В условиях глобальных перемен, как гуманитарные работники должны лучше использовать ИИ?

Руководство по использованию ИИ для гуманитарных работников

Гуманитарные работники не создают перемены в мире, но они вынуждены их переживать.

Иногда мне кажется, что те, кто продает курсы по искусственному интеллекту, всегда воспринимают ИИ как магию: дадите ему волшебный prompt — и он сделает всё. Но на самом деле всё не так. В последнее время, поскольку мы создали FUNES, нам приходится ежедневно активно использовать ИИ для производства контента. В дополнение к этому — «蜉蝣天地», мои собственные тексты и другие материалы — одной человеческой силы уже недостаточно. Поэтому мы много экспериментируем с тем, как использовать ИИ для поддержки нашего контент-рынка и гуманитарных исследований.

Позже в нашей компании появился новый сотрудник, и я подготовил для него простую презентацию в Keynote. Услышав о ней, учитель Jia Xingjia пригласил меня провести презентацию для широкой аудитории. Мы с партнером Keda назвали её «Руководство по использованию ИИ для гуманитарных работников». Тогда это было просто неформальное обсуждение, в основном — принципы на высоком уровне. Позже я делал это несколько раз, расширяя содержание.

За последний год я рассказывал многим коллегам, занимающимся контентом, исследованиями и созданием знаний, как именно использовать ИИ. Цель не в том, чтобы научить вас запоминать несколько волшебных подсказок, и уж тем более — не превращать ИИ в панацею; скорее, это рабочий метод: научить вас без написания кода интегрировать большие модели в свои процессы написания, исследования, редактирования, выбора тем, организации данных и производства, делая всё это прослеживаемым, контролируемым и проверяемым, чтобы в конце концов вы всё равно оставляли авторство.

Этот подход основан на ошибках, которые мы допустили в реальных проектах: когда контент переходит к массовому производству, полагаться только на человека невозможно — всё развалится; а если писать напрямую с помощью ИИ, он будет страдать галлюцинациями, лениться и писать как ИИ. Поэтому мы вынуждены превращать творчество в производственную линию, а линию — в итерационную систему.

Сегодня я не хочу просто дать вам набор подсказок, я хочу предложить вам ключевые идеи и принципы.

Перед принципами — три основных правила этого руководства

Перед тем как перейти к конкретным методам, важно определить три базовые принципа. Они определяют, «как использовать ИИ», и также — «зачем именно так».

1. Процесс должен быть прослеживаемым, контролируемым и проверяемым. Нельзя просто получать результат, игнорируя процесс. В гуманитарной работе опасна «черная коробка»: галлюцинации, неправильные цитаты, подмена понятий — всё это может происходить незаметно внутри черного ящика.

2. Он должен быть управляемым. Вы должны уметь контролировать, как он работает, по каким стандартам, где замедлить, где ужесточить. Вы не «тянете карту», вы производите продукт.

3. В конце концов, вы должны быть готовы подписать свою работу своим именем. «Готов ли я поставить подпись?» — это финальный контроль качества. Если вы не хотите подписывать, это обычно не вопрос морали, а свидетельство того, что в процессе ваши воля и стандарты не были реализованы — а значит, качество неконтролируемо.

Принцип 0: Не загадывайте желания у ИИ, воспринимайте его как рабочую платформу

Многие используют ИИ так: «Пожалуйста, сделай мне хороший текст», «Помоги написать статью», «Объясни этот документ». Но проблема в том, что «объяснение» — это очень разное задание: для новичка, бакалавра, магистра, коллеги — это совершенно разные задачи. ИИ не может по умолчанию знать ваш уровень, цели, вкусы и стандарты. Если вы не объясните, он даст вам самый легкий, среднестатистический ответ, основанный на «среднем человеке».

Воспринимать большую модель как рабочую платформу означает: вы не просите у нее результат, а используете ее инструменты для выполнения процесса. Ваша задача — четко сформулировать задание, стандарты и этапы.

Например, объяснение научной статьи

Вы можете превратить запрос «Объясни мне эту статью» в задание в стиле платформы:

· Определите целевую аудиторию: умные, любопытные магистранты, не являющиеся экспертами в области

· Уточните способ объяснения: эвристический, пошаговый, с академической строгостью

· Укажите структуру: сначала смысл, затем фон, затем исследовательский путь, далее ключевые технологии, и, наконец, выводы

· Укажите тон: уважительный к интеллекту, не снисходительный, не предполагающий глубоких знаний

Вы заметите: чем больше вы формулируете как «учебное задание», тем больше ИИ будет напоминать помощника, а не просто алгоритм.

Принцип 1: Чтобы ИИ хорошо работал, сначала подумайте о себе — вы главный ответственный

Если вы наняли секретаря, вы не скажете просто: «Исправь статью汉洋 о американском ржавом поясе». Вы добавите:

Почему эта статья написана, для кого, где сейчас проблема, что вы хотите, чтобы она решила, что нельзя трогать, какой стиль нужен, какие показатели важны.

То же самое и с ИИ. Он — очень усердный, вежливый коллега, который не знает ваших скрытых предпосылок. Настоящее «инженерное управление подсказками» — это ответственность: любая задача — это ваша, а ИИ лишь помогает.

Когда результат вас не устраивает, не говорите «ИИ не справляется», а сначала проверьте:

· Я ли ясно сформулировал «объект/аудиторию/цель»?

· Я ли дал достаточно контекста и ограничений?

· Я ли разбил «абстрактное желание» на «конкретные действия»?

· Я ли установил критерии оценки правильности?

Принцип 2: Задавайте один и тот же вопрос минимум трем моделям — у каждого ИИ есть «характер» и сильные стороны

В нашей компании любой новичок, впервые работающий с большими моделями, должен вначале задавать каждый вопрос трем разным ИИ. Модели как люди — разные: одни лучше пишут, другие лучше решают задачи, третьи — кодируют или вызывают инструменты. Более того, одна и та же модель или её новая версия постоянно дорабатываются, меняя стиль и границы.

Поэтому очень простая и эффективная привычка — задавать один и тот же вопрос минимум трем разным ИИ, чтобы быстро понять:

· Кто лучше пишет, кто лучше думает, кто лучше ищет, кто ленится

· Какие задачи подходят для первого варианта, а какие — для редактора

· Кто лучше формирует тему/структуру, а кто — предложения/абзацы

Эта практика не в том, чтобы выбрать «лучшую модель», а чтобы начать управлять моделями как командой, а не полагаться на единственного оракула.

Принцип 3: ИИ — не всезнающий и всемогущий — воспринимайте его как «студента хорошей школы» с базовым уровнем знаний

Очень полезное ожидание — уровень базовых знаний ИИ примерно равен студенту бакалавриата престижного университета типа 985.

Если вы считаете, что что-то «даже хороший бакалавр не знает», то по умолчанию предполагаете, что и ИИ тоже не знает; или хотя бы — он «придумает похожее, как будто знает», когда не знает.

Это приводит к двум практическим действиям:

1. Всё, что выходит за рамки здравого смысла, — это ваша задача научить его. Например: писать шутки, создавать уникальные по стилю тексты, писать сложные аргументации — нельзя просто сказать «напиши лучше», нужно привести примеры, стандарты, запреты, источники. Я уверен, что сейчас, объясняя друзьям, что такое хороший текст, вы тратите на это время; почему же считать, что ИИ знает по умолчанию?

2. Воспринимайте его как стажера-коллегу, а не как бога. Он может делать много «микроинтерполяций»: дополнять скелет, связывать материалы в связный текст. Но «скелет» и «направление» всё равно исходят от вас.

Принцип 4: Пусть ИИ шаг за шагом приближается к цели — белый ящик, разбитый на этапы, надежнее, чем черный ящик за один раз

Преимущество ИИ — не в том, чтобы сразу дать правильный ответ, а в том, что он стабильно выполняет много мелких шагов в заданном вами процессе. Чем больше вы требуете «одним махом», тем больше он превращается в «кажущийся целым, но на самом деле ленивый» черный ящик.

Яркий пример — обработка текста для TTS (текст в речь) или подготовка озвучки. Вместо «учитывать многоозвучные слова и не ошибиться» лучше разбить задачу на последовательность шагов:

· Обозначить паузы, ударения, изменения темпа

· Определить потенциально многозначные слова

· Проверить их по словарю или авторитетным источникам (при необходимости — сначала искать, потом подтверждать)

· Предварительно отметить часто ошибочные, но распространённые слова

· В крайнем случае — заменить на однозначные синонимы, чтобы исключить ошибку

Такие «очевидные правильные действия» человек обычно делает автоматически, а ИИ — нет. Если не прописать их явно, он ошибется на самом простом пути.

Принцип 5: Сначала индустриализируйте, потом автоматизируйте — нельзя сразу перейти от аграрной к ИИ-эпохе

Если ваш рабочий или исследовательский процесс — случайный, основанный на вдохновении, без систематизации данных, — вам трудно его автоматизировать. ИИ способен работать только с той частью, которую можно описать и воспроизвести.

Более реалистичный путь:

1. Сделать работу «производственной линией»: разбиваемую, переиспользуемую, контролируемую

2. Передать ИИ отдельные этапы: пусть он будет рабочим местом, а не богом

Мы проделали очень простую, но важную работу — разобрали наш процесс написания нон-фикшн статьи, включая:

· Почему выбран этот сюжет

· Почему выбрана эта фраза

· Как оценивать примеры

· Как строить связки, переходы, завершение

· Как связать маленькую историю с более широкой картиной

В результате это разбилось на десятки этапов, и разные ИИ выполняли только один из них. Итог — не в том, что модель стала сильнее, а в том, что процесс научился соединять «каждый раз делать чуть-чуть» её возможности.

Когда вы можете ясно описать «как создается моя статья», вы поймете: верхний предел качества определяется не «какой большой моделью», а тем, насколько хорошо вы объяснили рабочий метод.

Обязательно послушайте подкаст, там всё объясняется подробнее.

Принцип 6: Предвидьте лень ИИ — он экономит ресурсы, и вам нужно устранить «форматные препятствия»

ИИ склонен лениться, и это системно: он не откроет страницу, если можно не делать этого, не прочитает PDF, если можно пропустить, — не потому, что он плохой, а потому, что в условиях ограниченных ресурсов и времени он естественно выбирает самый легкий путь.

Поэтому ваша задача — сосредоточить его вычислительные ресурсы на «понимании текста», а не на «обработке формата».

Эффективные методы:

· Переводить материалы в чистый текст или Markdown и подавать их ИИ

· Копировать содержимое сайтов в чистый текст (убрать навигацию, рекламу, сноски)

· Перед написанием — выделить факты и структуру, а потом просить его писать

· Объединять PDF, EPUB, веб-страницы в индексируемый TXT и уже работать с ним

Вы заметите: многие сопротивляются такой «физической работе», считая, что «машина должна делать грязную работу». Но в человеко-машинном сотрудничестве как раз наоборот — чем больше вы делаете механической работы, тем острее и надежнее становится интеллектуальная часть ИИ.

Принцип 7: Помните о ограниченности контекста — старайтесь «сжимать» задачу, не ждите, что он «сам расширится»

У ИИ есть окно контекста и «предел памяти». Если вы дадите ему 20 тысяч слов, он, скорее всего, запомнит немного; если 200 тысяч — он, возможно, увидит только заголовки. Аналогия — запереть человека в маленькую комнату на день и дать ему книгу на 200 тысяч слов, чтобы он запомнил всё — он сможет запомнить только часть.

Поэтому есть очень важный и противоинтуитивный опыт:

1. Сжимать проще, чем расширять

Перевести 1 миллион слов в 10 тысяч — гораздо надежнее, чем расширить 10 тысяч до миллиона.

Это меняет ваш подход к запросам к ИИ:

· Не просите статью по подсказке из 100 слов

· Вместо этого максимально наполняйте материалами (разделы, поиск, RAG), чтобы он на их основе сжато сформировал структуру, идеи и текст

Я сам привык читать много материалов, выделять, организовывать и писать — так я делаю и с ИИ. Не стоит требовать от него «самостоятельно придумать» без достаточной базы.

Принцип 8: Воздерживайтесь от соблазна «я сейчас быстро исправлю» — улучшайте производственную линию, а не результат

Многие хорошие писатели в итоге «проваливаются» перед ИИ: получив черновик на 59 баллов, думают «исправлю пару ошибок — и будет 80», начинают исправлять, исправляют всё полностью, и в итоге — «лучше сделаю сам». После этого они больше не используют ИИ.

Решение — не стараться «лучше редактировать», а сосредоточиться на более ранних этапах:

· Не стремитесь, чтобы ИИ сразу писал на 100 баллов

· Ваша цель — стабильно получать 75–80 баллов на выходе

· Ваша задача — улучшать процесс, повышая средний уровень, а не добиваться идеала в одной статье

Принцип 9: Воспринимайте производственную линию как продукт — надежность сама по себе ценна

Когда у вас есть система, которая стабильно дает вам 70 баллов, её ценность не в том, «похожа ли она на вас», а в том, что:

· Вы можете получить рабочий черновик почти без затрат

· Можете сосредоточиться на более высоких уровнях оценки: тема, структура, доказательства, стиль и выбор

Вам не нужен всезнающий бог-заменитель, а надежное производство: оно не идеально, но стабильно.

Принцип 10: Количество — главный приоритет — пусть она производит больше, а вы отбирайте лучшее

Если вы даете ИИ только один вариант, скорее всего, получите самый средний, консервативный и «обычный». Чтобы бороться с посредственностью, нужно «количество».

Более эффективные подходы:

· Итоги: сразу 5 вариантов

· Начало: сразу 5 вариантов начала, чтобы провести A/B тест

· Темы: сразу 50 идей, затем группировать и выбирать

· Структура: сразу 3 варианта структуры, комбинировать их

· Формулировки: сразу 10 вариантов выражений, выбирать лучшие

Когда вы повышаете средний уровень и объем производства, в выборке обязательно появятся «сюрпризы» — образцы на 85 или 90 баллов. Часто хорошее — не в одном «гениальном» случае, а в том, что вы наконец начали работать статистическими методами.

Принцип 11: Не делайте за ИИ всю работу — как шеф-повар, управляйте, пробуйте, возвращайте на доработку

Если вы — шеф ресторана, вы не будете лично нарезать огурцы. Вы:

· Попробуете

· Оцените качество

· Дадите четкую обратную связь (что не так, что исправить)

· Попросите повара переделать

Аналогично с ИИ. Нужно уважать его «автономию» — он генерирует по-своему, а ваша задача — научить его соответствовать вашим стандартам, а не «подправлять» каждое его решение вручную.

Иначе вас поглотит бесконечное «подшлифовывание».

Последний базовый принцип — возвращение к реальному миру: материалы × вкус определяют максимум работы

В эпоху ИИ качество работы всё больше зависит от: материалы × вкус.

Модель меняется, методы совершенствуются, но неизменны два фактора:

1. Материалы — из реального мира

Если есть выбор:

· Использовать новейшую модель, но только с интернет-данными

· Использовать старую модель, но с полным архивом, устными рассказами, полевыми интервью

То чаще лучше результат у второго варианта.

2. Вкус — из долгосрочной тренировки

Когда «генерация» становится дешевле, по-настоящему редким становится:

· Знание, что стоит писать

· Знание, какие доказательства сильнее

· Знание, какая подача более мощная

· Готовность вкладывать силы в материалы: рыться, искать, перебирать

Что меняет ИИ — это эффективность и способы взаимодействия с материалами; но субъект работы — это всё равно вы, объект — материалы. ИИ — лишь часть «глагола».

Заключение: замените тревогу ощущением уверенности

Многие не умеют пользоваться ИИ не потому, что они не умные, а потому, что застряли в цикле «желание — разочарование — отказ». Настоящий прорыв — воспринимать его как рабочую платформу, инженерить задачи, делать процессы прозрачными, и в постоянных трениях развивать навык.

Когда вы это освоите, вам будет не так легко делать поспешные выводы «ИИ не работает». Вы станете управлять новым инструментом — новым профессионалом: ни снисходительно, ни возвышенно, а как часть вашего рабочего процесса, вашей реальности, вашего авторства.