מדוע דגמי AI יחליפו אמנים הרבה לפני שהם יחליפו מתכנתים
אולי ההשלכה המרתקת ביותר שאנו רואים מ-AI גנרטיבי היא שבניגוד לדעה הרווחת שיצירתיות תהיה המעוז האחרון של כושר ההמצאה האנושי אל מול האוטומציה, זה למעשה נראה הרבה יותר קל להפוך משימות יצירתיות קשות למדי מאשר להפוך משימות תכנות פשוטות יחסית. כדי להבין זאת, אנו משווים שניים ממקרי השימוש הפופולריים יותר עבור AI גנרטיבי: יצירת קוד ויצירת תמונה. אבל אנו מאמינים שהטענה מתקיימת באופן כללי יותר, גם כאשר מודלים גנרטיביים מתרחבים ליישומים מורכבים יותר.
הגרסה הקצרה של הטיעון (שאתה נתמודד ביתר פירוט בהמשך) היא שלמרות שמוצר כמו Copilot GitHub, במתכונתו הנוכחית, יכול להפוך את הקידוד ליעיל מעט יותר, זה לא מייתר את הצורך במפתחי תוכנה מוכשרים עם ידע בתכנות. סיבה אחת גדולה היא שכאשר מדובר בבניית תוכנית, הנכונות באמת חשובה. אם בינה מלאכותית מייצרת תוכנית, היא עדיין דורשת מאדם כדי לוודא שהיא נכונה - מאמץ כמעט באותה רמה כמו יצירתה מלכתחילה.
מצד שני, כל מי שיכול להקליד יכול להשתמש בדגם כמו דיפוזיה יציבה לייצר תמונות איכותיות ומיוחדות בדקות, בסדרי גודל רבים פחות בעלות. למוצרי עבודה יצירתיים לרוב אין מגבלות תקינות קפדניות, והתפוקות של הדגמים שלמות בצורה מדהימה. קשה שלא לראות שינוי פאזה מלא בתעשיות המסתמכות על ויז'ואל יצירתי, כי לשימושים רבים, הוויזואליה שה-AI מסוגלת לייצר כעת כבר מספיקה, ואנחנו עדיין בהתחלה מאוד של הטכנולוגיה.
אנו מודים לחלוטין שקשה להיות בטוחים בתחזיות כלשהן בקצב התנועה של השדה. עם זאת, כרגע נראה שיש לנו הרבה יותר סיכוי לראות יישומים מלאים בתמונות יצירתיות שנוצרו אך ורק על ידי מתכנתים מאשר יישומים עם אמנות בעיצוב אנושי שנבנו אך ורק על ידי יוצרים.
למה ההייפ, ולמה עכשיו?
לפני שניכנס לפרטים הספציפיים של יצירת קוד לעומת יצירת תמונות, כדאי לקבל תחושה עד כמה בינה מלאכותית כללית ויצירתית AI פופולרית כרגע.
בינה מלאכותית גנרטיבית רואה את הקליטה המהירה ביותר על ידי מפתחים שראינו אי פעם. בזמן שאנחנו כותבים את זה, Stable Diffusion מוביל בקלות את הטבלאות המגמות של מאגרי GitHub בפער גדול. צמיחתו מקדימה בהרבה מכל טכנולוגיה עדכנית בתשתית או קריפטו (ראה את האיור למעלה). ישנן הכרזות השקה ומימון כמעט מדי יום של סטארטאפים המשתמשים בטכנולוגיה, והרשתות החברתיות המקוונות מוצפות בתוכן שנוצר על ידי מודלים מחוללים.
גם את רמת ההשקעה הכוללת ב-AI בעשור האחרון קשה להפריז. ראינו עלייה אקספוננציאלית בפרסומים בלבד מאז אמצע שנות ה-2010 (ראה איור למטה). כיום, כ-20% מכל המאמרים שפורסמו ב-arXiv עוסקים בבינה מלאכותית, ML ו-NLP. חשוב לציין, התוצאות התיאורטיות חצו סף קריטי שבו הן הפכו ניתנות לצריכה בקלות וגרמו להתפוצצות קמבריאנית של טכניקות חדשות, תוכנות וסטארט-אפים.
הזינוק האחרון באיור שלמעלה נובע בעיקר מ- AI גנרטיבי. בעשור בודד, הפכנו ממודלים של מומחים בינה מלאכותית בלבד שיכולים לסווג תמונות וליצור הטמעות מילים למודלים שמישימים לציבור שיכולים לכתוב קוד יעיל וליצור תמונות מדויקות להפליא באמצעות הנחיות בשפה טבעית. זה לא מפתיע שקצב החדשנות רק עלה, וזה לא צריך להיות מפתיע כאשר דגמים גנרטיביים מתחילים לחדור לתחומים אחרים שנשלטו בעבר על ידי בני אדם.
בינה מלאכותית ותכנות
אחד השימושים המוקדמים ביותר של AI גנרטיבי היה כעזר של מתכנת. הדרך שבה זה עובד היא שמודל מאומן על קורפוס גדול של קוד (למשל כל המאגרים הציבוריים ב-GitHub) ואז מציע למתכנת הצעה בזמן שהוא מקודד. התוצאות יוצאות מן הכלל. עד כדי כך שזה סביר שגישה זו תהפוך לשם נרדף לתכנות בעתיד.
עם זאת, הרווחים בפריון היו צנועים ביחס ליצירת תמונות, עליהן נעסוק בהמשך. חלק מהסיבה לכך, כאמור לעיל, היא שנכונות היא קריטית בתכנות (ואכן בעיות הנדסיות באופן רחב יותר, אבל אנחנו מתמקדים בתכנות בפוסט הזה). לדוגמה, מחקר שנמצא לאחרונה זה עבור תרחישים התואמים סיכון גבוה CWEs (ספירות חולשה נפוצות), 40% מהקוד שנוצר על ידי AI הכילו נקודות תורפה.
לפיכך, המשתמש צריך למצוא איזון בין יצירת מספיק קוד כדי לספק דחיפה משמעותית לפרודוקטיביות, תוך הגבלתו כך שניתן יהיה לבדוק את נכונותו. כתוצאה מכך, ל-Copilot יש עזר לשפר את פרודוקטיביות המפתחים - מחקרים אחרונים (כאן ו כאן) העלה רווחים בסדר גודל של פי 2 או פחות - אבל ברמה שווה למה שראינו בהתקדמות קודמת של שפות מפתחים וכלים. הקפיצה מהרכבה ל-C, למשל, שיפרה את הפרודוקטיביות פי 2-5 בהערכות מסוימות.
עבור מתכנתים מנוסים יותר, החששות עשויים להתרחב מעבר לנכונות הקוד ולאיכות הקוד הכוללת. כפי ש מהר.איזה ג'רמי הווארד הסביר ביחס לגרסאות האחרונות של מודל OpenAI Codex, "[אני] לא כותב קוד מילולי כי הוא יוצר מְמוּצָע קוד. בשבילי, לקחת קוד ממוצע ולהפוך אותו לקוד שאני אוהב ואני יודע שהוא נכון זה הרבה יותר איטי מאשר לכתוב אותו מאפס - לפחות בשפות שאני מכיר היטב".
אז למרות שברור שתכנות גנרטיבי הוא פונקציה שלבית בפריון המפתחים, לא ברור שהשיפור שונה באופן דרמטי מאלה שראינו בעבר. בינה מלאכותית גנרטיבית עושה מתכנתים טובים יותר, אבל עדיין מתכנתים הם חייבים.
בינה מלאכותית חזותית ויזואליות
מצד שני, ההשפעה של מודלים גנרטיביים על תפוקת עבודה יצירתית, כמו יצירת תמונות, היא קיצונית. זה הביא לשיפורים רבים בסדרי גודל ביעילות ובעלות, וקשה שלא לראות את זה מוביל לשינוי פאזה בתעשייה.
הדרך שבה AI גנרטיבי עובד במרחב הזה היא לקחת קלט טקסטואלי פשוט מהמשתמש, הנקרא הנחיות, ואז המודל מייצר פלט חזותי. נכון לעכשיו, ישנם מודלים ליצירת פורמטי פלט רבים, כולל תמונות, סרטונים, דגמי תלת מימד ומרקמים.
מה שמעניין במיוחד הוא כיצד ניתן להרחיב את המודלים הללו ליצירת תמונות חדשות או ספציפיות לתחום כמעט ללא התערבות יצירתית. לדוגמה, גוידו (אחד המחברים) לקח מודל תמונה שעבר הכשרה מראש והכשיר אותו מחדש על כמה עשרות תמונות שלו. משם, הוא הצליח ליצור תמונות באמצעות בהנחיה. להלן תמונות שנוצרו מההנחיות הבאות: " בתור קפטן אמריקה"," בפריז"," בציור".
כאשר יצירת תמונות היא סטייה מאסיבית מיצירת קוד בהקשר עסקי, היא המידה שבה AI גנרטיבי משנה את החשבון הכלכלי. כדי ליצור את התמונות לעיל, גידו אימן את הדוגמנית על קומץ תמונות בעלות של כ-$.50 במשאבי תשתית. לאחר הכשרה, יצירת תמונות עולה כ-$0.001 במשאבי מחשוב וניתן לעשות זאת בענן או במחשב נייד מהדור האחרון. יתר על כן, יצירת התמונה נמשכת רק מספר שניות.
ללא AI גנרטיבי, הדרך היחידה לקבל תמונה מותאמת אישית היא לשכור אמן או לעשות זאת בעצמך. גם אם נתחיל בהנחה שאדם יכול ליצור תמונה מותאמת אישית ופוטו-ריאליסטית בתוך שעה אחת תמורת 10 דולר, גישת הבינה המלאכותית הגנרטיבית זולה בקלות בארבעה סדרי גודל ומהר יותר בסדר גודל. באופן מציאותי יותר, סביר להניח שכל יצירת אמנות או פרויקט עיצוב גרפי בהתאמה אישית ייקח ימים או שבועות, ויעלה מאות, אם לא אלפי, דולרים.
בדומה לעזרי התכנות לעיל, AI גנרטיבי יהיה מאומצת ככלי על ידי אמנים ושניהם דורשים מידה מסוימת של פיקוח משתמשים. אבל קשה להפריז בהבדל בכלכלה שנוצר על ידי יכולתו של מודל תדמית לחקות את תפוקת האמן המלאה. שימוש במודל יצירת קוד, כתיבת אפילו תוכנית פונקציונלית בסיסית ביותר המבצעת משימת מחשוב סטנדרטית דורשת סקירה, עריכה והוספה של בדיקות עבור קטעי קוד רבים. אבל עבור תמונה בסיסית, הזנת הנחיה ובחירת תמונה מתוך תריסר הצעות יכולה להיעשות תוך פחות מדקה.
קחו לדוגמה את הקריקטוריסטית שלנו (ושותפת ההשקעות) יוקו לי (@stuffyokodraws). אימנו דוגמנית באמצעות 70 תמונות קודמות שלה, והדוגמנית הצליחה ליצור תמונות ברמת חיקוי מפחידה. כל אמן צריך להבין מה ליצור הלאה, והיא אפילו גילתה שהדוגמניות המאומנות יכולות להציג יותר אפשרויות ממה שהיו לה בראש - לפחות כשלוחצים עליה לייצר משהו בפרק זמן נתון. יש מאות דרכים לצייר את אותו אובייקט, אבל מודלים גנרטיביים הבהירו מיד אילו נתיבים כדאי לחקור.
אז כשזה מגיע למשימות כאלה, אנחנו לא מתווכחים שמחשבים הם בהכרח מוטב מבני אדם על בסיס 1:1. אבל כמו עם כל כך הרבה משימות אחרות, כאשר מחשבים יכולים לייצר פלט עבודה מלא הם פשוט הורגים אותנו סולם.
נסה לנחש אילו מהציורים למטה צוירו ישירות על ידי יוקו ואילו נוצרו.
השיפור המסיבי בכלכלה, הגמישות ביכולת ליצור סגנונות ומושגים חדשים, והיכולת לייצר תפוקת עבודה מלאה או כמעט מלאה מעידים לנו שאנו מוכנים לראות שינוי ניכר בכל הענפים שבהם נכסי יצירתיות הם חלק מרכזי בעסק. וזה לא מוגבל לתמונות, אלא חל על כל תחום העיצוב. לדוגמה:
- AI גנרטיבי יכול ליצור אמנות דו-ממדית, טקסטורות, מודלים תלת-ממדיים ולעזור בעיצוב רמות למשחקים.
- בשיווק, זה נראה מוכן להחליף אמנות מלאי, צילום מוצרים ואיור.
- אנחנו כבר רואים יישומים בעיצוב אתרים, עיצוב פנים ועיצוב נוף.
ואנחנו באמת רק בתחילת הדרך. אם מקרה שימוש מצריך יצירה יצירתית של תוכן, קשה לראות את הטיעון מדוע AI גנרטיבי לא ישבש אותו או לפחות יהפוך לחלק מהתהליך.
-
אוקיי, אז מה הטעם בפוסט הזה? למרות שהוא מתמקד מעט ביצירת קוד וביצירת תמונות, אנו חושדים שהתוצאות מתקיימות בצורה רחבה יותר. בפרט, כי מאמצים יצירתיים על פני השטח - בין אם הם חזותיים, טקסטואליים או מוזיקליים - צפויים להיות מופרעים על ידי AI הרבה לפני בניית מערכות.
בנוסף לטיעון הנכונות בו אנו משתמשים לעיל, ייתכן גם ששילוב ושילוב מחדש של כל האמנות הקודמת עשויים להספיק למגוון המעשי של תפוקות יצירתיות. תעשיות המוזיקה והקולנוע, למשל, יצרו היסטורית אינספור מבצעים של אלבומים וסרטים פופולריים. זה בהחלט מתקבל על הדעת שמודלים גנרטיביים יכולים לעזור להפוך את הפונקציות הללו לאוטומטיות לאורך זמן. עם זאת, הדבר המדהים בכל כך הרבה מהתמונות שהופקו על ידי Stable Diffusion ו-DALL-E 2 הוא הם ממש טובים ו מעניין באמת. לא קשה לדמיין מודל בינה מלאכותית שמייצר מיזוגים מעניינים באמת של סגנונות מוזיקליים או אפילו "כותב" סרטים ארוכים שמסקרנים באופן שבו הם קושרים יחד מושגים וסגנונות.
להיפך, קשה לדמיין שמערכות קודמות יכללו את כל הכלים שנצטרך כדי לפתח את כל המערכות העתידיות. או אפילו שאפשר לשלב מערכות מורכבות באותה קלות כמו סגנונות שונים של אמנות או מוזיקה. לעתים קרובות כל כך, הערך של מערכת, ומדוע כל כך קשה לבנות אותם, נמצא בזנב הארוך של הפרטים - כל הפשרות, הדרכים לעקיפת הבעיה, האופטימיזציות למרחב עיצובי נתון והידע המוסדי/סמוי שהם מכילים. אז להמשיך לבנות אנחנו חייבים.
נתנגד לדחף לחזות בדיוק כיצד תשפיע בינה מלאכותית גנרטיבית על התעשייה היצירתית. למרות זאת, ההיסטוריה מעידה שכלים חדשים נוטים לכך להרחיב במקום לחתום על ההגדרה של אמנות, ולהנגיש אותו לסוגים חדשים של אמנים. במקרה זה, האמנים החדשים הם בוני מערכות. כך, עבור מייסדי טכנולוגיה, אנו מאמינים כי בינה מלאכותית גנרטיבית היא בהחלט כלי חיובי להרחבת טווח התוכנה - משחקים יהיו יפים יותר, שיווק מושך יותר, תוכן כתוב מרתק יותר, סרטים מעוררי השראה.
מי יודע: יום אחד, ארכיון האינטרנט של סוף 2022 עשוי להיחשב כאחד ממאגרי התוכן האחרונים שנוצרו בעיקר על ידי אדם. הטקסט הזה למאמר זה, לפחות, נוצר כולו על ידי בני אדם.
***
הדעות המובעות כאן הן אלה של אנשי AH Capital Management, LLC ("a16z") המצוטטות ואינן הדעות של a16z או החברות הקשורות לה. מידע מסוים הכלול כאן התקבל ממקורות צד שלישי, כולל מחברות פורטפוליו של קרנות המנוהלות על ידי a16z. למרות שנלקחה ממקורות האמינים כאמינים, a16z לא אימתה מידע כזה באופן עצמאי ואינה מציגה מצגים לגבי הדיוק הנוכחי או המתמשך של המידע או התאמתו למצב נתון. בנוסף, תוכן זה עשוי לכלול פרסומות של צד שלישי; a16z לא סקרה פרסומות כאלה ואינה תומכת בתוכן פרסומי כלשהו הכלול בהן.
תוכן זה מסופק למטרות מידע בלבד, ואין להסתמך עליו כייעוץ משפטי, עסקי, השקעות או מס. עליך להתייעץ עם היועצים שלך באשר לעניינים אלה. הפניות לניירות ערך או לנכסים דיגיטליים כלשהם נועדו למטרות המחשה בלבד, ואינן מהוות המלצת השקעה או הצעה לספק שירותי ייעוץ השקעות. יתר על כן, תוכן זה אינו מכוון ואינו מיועד לשימוש על ידי משקיעים או משקיעים פוטנציאליים כלשהם, ואין להסתמך עליו בשום פנים ואופן בעת קבלת החלטה להשקיע בקרן כלשהי המנוהלת על ידי a16z. (הצעה להשקעה בקרן a16z תתבצע רק על ידי מזכר ההנפקה הפרטית, הסכם המנוי ותיעוד רלוונטי אחר של כל קרן כזו ויש לקרוא אותה במלואה). המתוארים אינם מייצגים את כל ההשקעות בכלי רכב המנוהלים על ידי a16z, ואין כל ודאות שההשקעות יהיו רווחיות או שלהשקעות אחרות שיבוצעו בעתיד יהיו מאפיינים או תוצאות דומות. רשימה של השקעות שבוצעו על ידי קרנות המנוהלות על ידי אנדריסן הורוביץ (למעט השקעות שעבורן המנפיק לא נתן אישור ל-a16z לחשוף בפומבי וכן השקעות בלתי מוקדמות בנכסים דיגיטליים הנסחרים בבורסה) זמינה בכתובת https://a16z.com/investments /.
תרשימים וגרפים המסופקים בתוכן הם למטרות מידע בלבד ואין להסתמך עליהם בעת קבלת החלטת השקעה כלשהי. ביצועי העבר אינם מעידים על תוצאות עתידיות. התוכן מדבר רק לתאריך המצוין. כל תחזיות, אומדנים, תחזיות, יעדים, סיכויים ו/או דעות המובעות בחומרים אלו כפופים לשינויים ללא הודעה מוקדמת ועשויים להיות שונים או מנוגדים לדעות שהובעו על ידי אחרים. אנא ראה https://a16z.com/disclosures למידע חשוב נוסף.
