Prosto do celu
Oczywisto艣ci膮 jest to, 偶e przy inwestycjach w AI jakie dokonuj膮 si臋 w USA czy w Unii Europejskiej, poziom finansowania w Polsce鈥� posiada swoje ograniczenia. Jednocze艣nie zamiast narzeka膰 i wylicza膰 czego to nam brakuje, warto skupi膰 si臋 na tym co mamy i jak to mo偶na wykorzysta膰 do rozwoju. Ot贸偶 mamy rodzin臋 modeli AI 鈥� PLLuM, kt贸ra powsta艂a z inicjatywy Ministerstwa Cyfryzacji, we wsp贸艂pracy z uczelniami i instytucjami naukowymi. Idea by艂a prosta: stw贸rzmy model, kt贸ry b臋dzie sobie radzi艂 lepiej od innych modeli w zrozumieniu polskiego kontekstu. A jak ju偶 taki model b臋dzie rozumia艂 zawi艂o艣ci naszej polskiej sk艂adni to wykorzysta膰 go mo偶na w urz臋dach i innych instytucjach publicznych. Jak konkretnie? Na przyk艂ad w aplikacji mobilnej mObywatel. 18-letni petent nie wie jak wyrobi膰 dow贸d osobisty. Wpisuje w okienko chata zapytanie: 鈥濵am 18 lat. Jak wyrobi膰 dow贸d osobisty po raz pierwszy?鈥�. A czat mu odpisuje i podaje konkretne instrukcje co i jak zrobi膰. Dzia艂a膰 ma to te偶 od drugiej strony, czyli kiedy urz臋dnik otrzymuje pismo od petenta i nie wie co z nim zrobi膰, pyta chatbota, co powinien w danej sytuacji zrobi膰, a ten pomaga. A wi臋膰 PLLuM 鈥瀢ycelowany鈥� jest w polsko艣膰 urz臋dow膮, a wi臋c obszar na kt贸rym gigantom takim jak ChatGPT raczej nie pr臋dko b臋dzie zale偶e膰.
Co mo偶na wyPLLuMowa膰?
Skoro mo偶na Google鈥檕wa膰 to mo偶na te偶 PLLuM鈥檕wa膰, bo niby czemu nie. Ale co dok艂adnie mo偶na zrobi膰 w PLLuM ju偶 dzisiaj? To na co warto zwr贸ci膰 uwag臋 to biblioteka pyta艅, kt贸r膮 znajdziemy na stronie PLLuM. Podpowiada ona u偶ytkownikom o co potencjalnie mogliby zapyta膰, czyli innymi s艂owy co mogliby wyPLLuMowa膰. Opr贸cz temat贸w urz臋dowych, takich jak: zg艂oszenie narodzin dziecka, z艂o偶enie wniosku o zasi艂ek chorobowy itd. znajdziemy te偶 propozycje zwi膮zane z programowaniem, tworzeniem post贸w na Instagrama czy鈥� pisaniem horoskopu (tak, to nie 偶art). A wi臋c model PLLuM pozwala realizowa膰 wiele funkcji analogicznie do ChataGPT i innych modeli 鈥瀏igant贸w鈥�. Jednocze艣nie powstaje pytanie czy jest por贸wnywalnie precyzyjny.
Precyzja PLLuM na tle ChatGPT
Zadali艣my PLLuMowi nast臋puj膮ce zadanie:
鈥濿 szufladzie w ciemnym pokoju le偶膮 24 skarpetki czerwone i 24 skarpetki bia艂e. Jaka jest najmniejsza ilo艣膰 skarpet, kt贸re musz臋 wyci膮gn膮膰, aby mie膰 100% pewno艣膰, 偶e mam co najmniej dwie skarpety w tym samym kolorze?鈥�
Odpowied藕 modelu by艂a nast臋puj膮ca:
鈥濧by mie膰 100% pewno艣膰, 偶e masz co najmniej dwie skarpety w tym samym kolorze, musisz wyci膮gn膮膰 co najmniej 25 skarpet. Dlaczego? Bo je艣li wyci膮gniesz 25 skarpet, to mo偶esz mie膰 12 skarpet czerwonych i 12 skarpet bia艂ych, albo 13 skarpet czerwonych i 12 skarpet bia艂ych, albo 12 skarpet czerwonych i 13 skarpet bia艂ych. W ka偶dym z tych przypadk贸w masz co najmniej dwie skarpety w tym samym kolorze.鈥�
Dla por贸wnania to samo zadanie zadali艣my ChatowiGPT, kt贸ry odpowiedzia艂:
鈥濵usisz wyci膮gn膮膰 3 skarpetki.
奥测箩补艣苍颈别苍颈别:
1. W najgorszym przypadku mo偶esz wyci膮gn膮膰 jedn膮 czerwon膮 i jedn膮 bia艂膮 skarpetk臋.
2. Trzecia skarpetka, niezale偶nie od koloru, b臋dzie tego samego koloru co jedna z wcze艣niejszych skarpetek.
Dlatego trzy skarpetki gwarantuj膮, 偶e masz przynajmniej dwie w tym samym kolorze.鈥�
Co przed nami?
W zwi膮zku z powy偶szym powstaje pytanie: po co wyci膮ga膰 25 skarpetek skoro mo偶na 3? Po chwili namys艂u ka偶dy z czytelnik贸w na pewno odkryje, 偶e prawid艂owa odpowied藕 to 3. Teraz mo偶na napisa膰 w obronie PLLuMa, 偶e przecie偶 nie po to go stworzyli, 偶eby liczy艂 skarpetki, ale 偶eby wspiera艂 urz臋dy. No c贸偶... Mam wra偶enie, 偶e sprawy urz臋dowe potrafi膮 by膰 du偶o bardziej z艂o偶one ni偶 zadanie ze skarpetkami. Dobra informacja jest taka, 偶e PLLuM jest dalej rozwijany i mo偶na si臋 spodziewa膰, 偶e jego precyzja b臋dzie wzrasta膰. By膰 mo偶e doczekamy te偶 momentu, kiedy b臋dzie pod艂膮czony do internetu i b臋dzie m贸g艂 go przeczesywa膰 tak jak robi to ChatGPT. Trzymajmy za to narodowo kciuki, bo mo偶e si臋 kiedy艣 okaza膰, 偶e to narz臋dzie u艂atwi nam 偶ycie. Bo kto z nas nie sta艂 kiedy艣 w kolejce do urz臋du, tylko po to, 偶eby si臋 dowiedzie膰, 偶e to nie ta kolejka.
Notatka dla fan贸w AI: ciekaw膮 opcj膮 PLLuM dla mi艂o艣nik贸w AI jest zmiana parametr贸w modelu: temperatury* oraz Top P**. Warto pobawi膰 si臋 i zobaczy膰 jak r贸偶ni膮 si臋 odpowiedzi modelu w zale偶no艣ci od ustawionych parametr贸w.
________
*Temperatura okre艣la stopie艅 losowo艣ci 鈥� niskie warto艣ci sprawiaj膮, 偶e model generuje przewidywalne i rzeczowe odpowiedzi, a wy偶sze pozwalaj膮 na bardziej kreatywne i zaskakuj膮ce sformu艂owania.
**Top-P kontroluje zakres wyboru s艂贸w 鈥� ni偶sze warto艣ci zmuszaj膮 model do wybierania tylko najbardziej prawdopodobnych opcji, co zwi臋ksza sp贸jno艣膰, podczas gdy wy偶sze pozwalaj膮 na bardziej eksperymentalne i r贸偶norodne odpowiedzi.
Artyku艂 zosta艂 napisany na podstawie autorskich test贸w aplikacji PLLuM. Za wsparcie w testach dzi臋kuj臋 Annie Kowalskiej.
惭补迟别谤颈补艂: Dr Dominik Skowro艅ski
Wydzia艂 Zarz膮dzania Uniwersytetu 艁贸dzkiego
Dr Dominik Skowro艅ski jest ekspertem w zakresie praktycznego wykorzystania sztucznej inteligencji w biznesie i edukacji. Autor kana艂u na YouTube: Dominik Skowro艅ski 鈥� Nap臋d藕 biznes z AI. Prowadzi szkolenia i warsztaty zwi膮zane z t膮 tematyk膮 dla dyrekcji szk贸艂, o艣rodk贸w doskonalenia zawodowego, nauczycieli, a tak偶e uczni贸w. W 2024 roku wyst膮pi艂 na konferencji TEDx z prelekcj膮 pt. 鈥淲hat we miss in the AI era?鈥�.