Wkrótce minie rok od udostępnienia ChatGPT. I chociaż przed jego premierą modele GPT były dostępne przez OpenAI API lub Playground, to dopiero wtedy nastąpiła popularyzacja tego rozwiązania na całym świecie.
Początkowo wydawało się, że rozwiązania AI przyczynią się do zastosowania jedynie w copywritingu czy szerzej w marketingu, a jednak możliwości AI rosną z dnia na dzień. Poza generowaniem sensownego tekstu, AI pozwala także na transkrypcje, generowanie głosu, generowanie lub przerabianie obrazu, generowanie video, tworzenie modeli 3D i to nie koniec jego możliwości… AI może przyspieszać proces nauki ludzi (i nowych modeli AI), a także pomagać podejmować decyzje biznesowe.
Oczywiście poza możliwościami, pojawiają się również zagrożenia tj.:
- 1. Halucynowanie sztucznej inteligencji, czyli zmyślanie faktów,
- 2. Możliwość wykorzystywania AI do masowych oszustw czy szerzenia propagandy,
- 3. Utrata miejsc pracy poprzez ich automatyzację,
- 4. Wizja przyszłości à la Terminator.
Największym zagrożeniem wydaje się wizja niczym z filmu “Terminator”, w której AI próbuje unicestwić ludzkość, aczkolwiek sposób działania obecnej sztucznej inteligencji jest dużo bliższy scenariuszowi serialu “Person of Interest”. W tym serialu AI nakierowana jest na zminimalizowanie przemocy na terenie Nowego Jorku i ustawiona na przewidywanie przyszłych morderstw. Obecne OpenAI jest natomiast nakierowane na przewidywanie kolejnych słów (ściślej tokenów). W serialu AI była resetowana co dobę, a obecnie jest ograniczona przez limit okna kontekstu oraz sposób nauki i filtrowania danych wejściowych trzymający w karbach możliwość nieetycznej czy nielegalnej odpowiedzi.
Zarówno halucynacje AI, jak i możliwość jej użycia do niecnych celów można rozwiązać przez odpowiednią edukację społeczeństwa. Alternatywnie, rządy na całym świecie pracują nad jak najbardziej systemowym uregulowaniem zasad pracy ze sztuczną inteligencją i ograniczeniem możliwości jej nadużywania.
W kontekście redukcji etatów to od nas będzie zależało, czy proces będzie wyglądał bardziej jak płynne przejście z jednego stanowiska do drugiego, czy będzie wiązał się ze zwolnieniami i szukaniem pracy w nowej firmie i na nowym stanowisku. Poprzednie rewolucje przemysłowe takie jak popularyzacja maszyn parowych, samochodów, elektryczności, komputerów, czy Internetu także przyczyniły się do zmian na rynku pracy, ale nie spowodowały światowego trwałego bezrobocia.
Podczas pracy nad materiałem na prelekcję na Festiwal SEO zostałem zainspirowany pojęciem z fantastyki naukowej, tj. Skalą Kardaszewa mającą na celu określić poziom rozwoju hipotetycznych innych cywilizacji w oparciu o poziom wykorzystywania energii generowanej przez gwiazdy. Przez pewną analogię do tej skali starałem się przemyśleć jak będzie wyglądać proces wdrożenia AI w rozwój branży SEO. Swoją skalę nazwałem podobnie, od nazwiska – Skalą Świerka.
Przyjąłem skalę 7-stopniową, która może również przybierać wartości ułamkowe.
Przedstawiając ją, przybliżę także bardziej rozbudowane przykłady. Część osób może uważać, że korzystanie z wtyczek czy gotowych narzędzi da te same możliwości, aczkolwiek byłoby to bardziej dostosowanie własnych procesów SEO do narzędzi AI, niż faktyczne wykorzystanie AI do automatyzacji własnych procesów SEO. Czym wyróżnimy się i czym przegonimy konkurencję jeżeli skorzystamy z tych samych gotowych narzędzi? Nie wykluczam tutaj jednoczesnego stosowania “własnego AI” z API innych narzędzi opartych o AI (np. ChatDoc). Należy pamiętać, że im bliższe “źródła” będą stosowane przez nas rozwiązania (np. API OpenAI), tym koszt wykorzystywania AI będzie niższy, ponieważ każde z narzędzi jest nastawione na to, aby zarobić na swoje utrzymanie oraz na zysk dla twórców. Oczywiście przy małej skali znacznie taniej będzie skorzystać z gotowych narzędzi niż poświęcać czas na tworzenie własnego workflow, ale im większa skala zadań do realizacji, tym bardziej opłaca się popracować nad automatyzacją własnych procesów.
Zacznijmy.
Poziom 0.0
Poziom 0.0 – przeciwnicy AI, którzy w ramach protestu, czy w wyniku strachu przed korzystaniem z AI nigdy nie spróbowali albo po jednokrotnej próbie zrezygnowali z korzystania uważając, że AI to ślepa uliczka, w którą trafiła branża SEO.
Poziom 0.5
Poziom 0.5 – zwykli użytkownicy ChatGPT, którzy ułatwiają sobie życie korzystając z darmowej wersji ChatGPT lub innych pochodnych rozwiązań. Zadają proste pytania i otrzymują przeciętne odpowiedzi.
Przykład:
Poziom 1.0
Poziom 1.0 – doświadczeni użytkownicy ChatGPT, którzy korzystają z GPT-4 oraz dostępnych wtyczek. Testują też analogiczne rozwiązania jak Bard, czy Claude i wykorzystują je zamiennie w zależności od zadania.
Na tym poziomie zadając pytanie/zadanie do ChatGPT podajesz:
- rolę (np. Jesteś prelegentem.),
- cel (np. Chcesz przygotować prezentację na prelekcję na Festiwalu SEO.)
- instrukcję czego po kolei oczekujesz (Napisz prezentację składającą się z 1. … 2. …),
- brakujące informacje, których model nie wie, ponieważ nie był ich uczony i redukujesz halucynowanie faktów,
- prośbę o przedstawienie rozwiązania krok po kroku pozwalającą zwiększyć szansę na poprawność wnioskowania,
- przykład schematu danych wejściowych i wyjściowych,
- format danych wyjściowych (np. tekst, html+tekst, json, xml, tabelka).
Przykład:
Bywa, że prompt jest tak samo długi lub dłuższy niż oczekiwana odpowiedź.
Poziom 2.0
Poziom 2.0 – użytkownicy OpenAI korzystający z Playground lub API. Część branży SEO miała z tym styczność przed pojawieniem się ChatGPT, aczkolwiek poziom 2.0 rozumiem jako stosowanie zasad z poziomu 1 i sterowanie jakością odpowiedzi za pomocą zmiany modelu, Temperatury (losowość wpływająca na kreatywność gdzie niska wartość oznacza odpowiedź bardziej deterministyczną, a wyższa bardziej losową), Maximum Length (maksymalna długość odpowiedzi liczona w tokenach), TopP (ograniczenie doboru słów gdzie 1 to pełen zakres, a 0,5 to 50% najbardziej prawdopodobnych słów), Frequency Penalty (kara za częstotliwość stosowania słów, przy ustawianiu której należy pamiętać, że za wysoka kara może powodować tworzenie niezrozumiałego tekstu), Presence Penalty (kara za obecność nowych słów lub koncepcji w stosunku do danych wejściowych). Stosowanie zapytań API np. poprzez CURL lub narzędzia NoCode/LowCode wskazuje, że jesteś na poziomie 2.1-2.9.
Przykład:
Poziom 3.0
Poziom 3.0 – użytkownicy, którzy opanowali elementy z poziomów wcześniejszych, zaczęli douczać swój własny model OpenAI lub inny model w tym modele otwarte np. LLama. Należy pamiętać, że model douczony może być droższy w wykorzystaniu, dlatego przy bardzo dużej skali bardziej opłaca się użycie lepszego promptu i gorszego modelu (np. gpt-3.5-turbo bez douczenia, ale z brakującymi danymi).
Poniżej opis krok po kroku jak przygotować douczony model GPT.
- Zbieramy dane do uczenia (najlepsze treści klienta).
- Układamy dane w pliku .jsonl przygotowując wzorcowe pytania i odpowiedzi (minimum 10 zgodnie z formatem poniżej jeden zestaw uczący na jedną linijkę).
- Rejestrujemy się na https://platform.openai.com/login?launch podpinamy kartę: https://platform.openai.com/account/billing/payment-methods i generujemy klucz API https://platform.openai.com/account/api-keys
- Wysyłamy zapytanie curl (w terminalu MacOS/Linux lub linii poleceń CMD w Windows) z plikiem zawierającym dane uczące (plik powinien być w katalogu, w którym jesteś obecnie).
curl https://api.openai.com/v1/files -H „Authorization: Bearer Twój klucz API” -F „purpose=fine-tune” -F „file=@daneuczace.jsonl”
- Po otrzymaniu odpowiedzi na zapytanie curl pobieramy ID pliku.
{
„object”: „file”,
„id”: „ID pliku” ,
„purpose”: „fine-tune”,
„filename”: „daneuczace.jsonl”,
„bytes”: 90949,
„created_at”: 1695374730,
„status”: „uploaded”,
„status_details”: null
}
- Wysyłamy zapytanie curl z wskazaniem pliku uczącego (ID Pliku).
curl https://api.openai.com/v1/fine_tuning/jobs -H „Content-Type: application/json” -H „Authorization: Bearer Twój klucz API” -d „{ \”training_file\”: \”ID Pliku\”, \”model\”: \”gpt-3.5-turbo-0613\”}”
- Zapisujemy ID Job.
{„object”:”fine_tuning.job”,”id”:”Twoje ID Job”,”model”:”gpt-3.5-turbo-0613″,”created_at”:1695375236,”finished_at”:null,”fine_tuned_model”:null,”organization_id”:”org-tbV94xGDl3oRXXvfkXycM4YZ”,”result_files”:[],”status”:”validating_files”,”validation_file”:null,”training_file”:”file-mMDECTsAlam96z5UNmtt1m4q”,”hyperparameters”:{„n_epochs”:”auto”},”trained_tokens”:null,”error”:null}
- Czekamy ok. pół godziny lub dłużej, aż dostaniemy emaila z numerem ID Job i nazwą nowego modelu.
- Gdy znamy nazwę modelu możemy ją wybrać w OpenAI Playground lub użyć w OpenAI API.
Poziom 4.0
Poziom 4.0 – użytkownicy tworzą własne proste skrypty i interfejsy do przyspieszania i ułatwiania sobie pracy.
Poziom 5.0
Poziom 5.0 – użytkownicy tworzą złożone skrypty z wielopoziomowym workflow AI, które nie tylko korzystają z AI, ale również integrują się z innymi systemami np. publikują treści na stronie www. Jest to poziom, w którym AI nie tylko pisze teksty, ale także je weryfikuje/ poprawia/ tłumaczy, a efekt tej pracy jest zintegrowany z własnym systemem. Dzięki temu nie tylko oszczędzamy czas na pisaniu, ale również na korekcie, planowaniu publikacji itd.
Przykładowy workflow opartę o rozwiazanie NoCode make.com
Poziom 6.0
Poziom 6.0 – tworzony przez użytkowników workflow wykorzystuje nie tylko zadania przekazywane schematycznie, ale również uwzględnia historyczne informacje, dynamicznie pobierane na potrzeby weryfikacji zadania. Pamięcią krótkoterminową jest pamięć konwersacji, którą schematycznie przekazujemy do okna promptu lub konwersacji. Pamięć długoterminowa to bardziej elastyczne odwoływanie się do bazy informacji znacząco przekraczającej limit okna konwersacji. Do tego celu należy przygotować specjalną bazę relacyjną. Najlepiej sprawdzają się tutaj bazy wektorowe.
Przykładowy workflow zwierający złożony mechanizm decyzyjny z uwzględnieniem zewnętrznego zapytania po SSH.
Poziom 7.0
Poziom 7.0 – użytkownicy mają wdrożony elastyczny workflow, w którym to AI decyduje o kolejnych krokach. Posiadają wdrożenie biznesowe rozwiązań typu AutoGPT / Baby AGI / AutoGen. Używane AI potrafi rozbić zadania na podzadania, korygować swoje decyzje i przesłać efekty we wskazane miejsce.
Czy to koniec skali Świerka? Raczej nie, jednak do momentu stabilnego wdrożeniu AI na poziomie 7.0, rozpisywanie kolejnych poziomów pozostaje fantastyką naukową, a nie realnym scenariuszem rozwoju branży SEO.
Poziom 8.0
Poziom 8.0 mógłby obejmować system o poziomie 7.0 pracujący w Cronie (harmonogram regularnego uruchamiania) ze zleconymi zadaniami, który będzie proponował wdrożenie dodatkowych działań do zatwierdzenia przez człowieka. Widoczną różnicą między systemem klasy 7.0, a 8.0 byłby fakt działania bez ręcznego aktywowania przez człowieka.
Poziom 9.0
Poziom 9.0 mógłby stanowić system posiadający cechy powyższego oraz funkcję auto ulepszania, wykrywania zmian w trendach, analizowania KPI i samodzielnego optymalizowania się pod ich osiąganie.
Poziom 10.0
Poziom 10.0 moglibyśmy uzależnić od możliwości personalizacji pod konkretnego klienta oraz wymiany wiedzy i doświadczenia z innym takim systemem AI. Praca byłaby nadzorowana przez człowieka w celu weryfikacji czy AI nie próbuje osiągnąć efektów na skróty, albo czy nie wykorzystuje nadmiernie i nieefektywnie posiadanych zasobów.
Podsumowując i wyprzedzając pytanie o stabilność i pewność dalszego zatrudnienia w branży SEO, uważam, że zapewni je przekwalifikowanie w architekta procesów opartych o AI. Nie jest już konieczne opanowanie programowania, a jedynie znajomość i umiejętność analizy procesów. Wraz z rozwojem sztucznej inteligencji i rozwiązań NoCode / LowCode coraz bardziej będą się liczyć umiejętność efektywnej komunikacji i biznesowe podejście do rozwiązywania problemów.
Informacji o nowych narzędziach lub modelach AI możecie szukać tutaj: https://theresanaiforthat.com/
