Le chatbot ChatGPT d'OpenAI , sorti en novembre 2022, est si efficace pour répondre aux invites de chat qu'il est déjà appliqué à un large éventail de cas d'utilisation. ChatGPT a dépassé le million d'utilisateurs en 5 jours car il est devenu viral plus tôt en décembre 2022. À titre de comparaison, il a fallu 41 mois à Netflix pour atteindre le nombre d'utilisateurs 1M, FB 10 mois, Spotify 5 mois et Instagram 2,5 mois. Compte tenu des métriques utilisateur étonnantes, il vaut la peine d'examiner de plus près pourquoi les utilisateurs sont entichés et où ChatGPT peut être perturbateur. Cet article se concentre principalement sur les implications et suppose une compréhension de base de ChatGPT .

ChatGPT va-t-il perturber la recherche ?

Il existe des spéculations selon lesquelles ChatGPT pourrait perturber les moteurs de recherche actuels . ChatGPT fournit à l'utilisateur une réponse directe, tandis que les moteurs de recherche modernes fournissent effectivement à l'utilisateur un projet de recherche. Il y a un changement de paradigme clair dans la circulation de l'information. ChatGPT formule une réponse unique en utilisant des milliards, bientôt des billions selon la rumeur avec GPT-4, de paramètres, alors que les moteurs de recherche obligent les utilisateurs à parcourir d'innombrables sites. Lors de requêtes sur ChatGPT, les informations sont transmises à l'utilisateur au lieu que l'utilisateur récupère manuellement les blogs, les forums et les sites répertoriés à la recherche de données.

ChatGPT n'a pas été créé pour remplacer la recherche. Le cas d'utilisation potentiel de la recherche de ChatGPT est un corollaire de l'efficacité de ses réponses rapides conversationnelles. Les résultats renvoyés par ChatGPT peuvent être inexacts, sans citation, et sont limités aux résultats antérieurs à 2021. Actuellement, il existe une catégorie de requêtes d'utilisateurs pour lesquelles GPT peut offrir une meilleure expérience utilisateur, une catégorie pour laquelle la recherche Google peut être plus utile, et une catégorie où l'utilisateur peut se contenter de l'une ou l'autre méthode.

Le cas des modèles génératifs de type ChatGPT perturbant la recherche devient plus fort si l'on considère qu'ils pourraient être spécifiquement conçus pour le cas d'utilisation de la recherche. Il n'est pas difficile d'imaginer un "SearchGPT" qui permet des requêtes de recherche affinées. Par exemple, la sélection de certains ensembles de données (Wikipedia, commons, revues scientifiques, etc.) pour personnaliser les requêtes de recherche pourrait permettre des recherches plus strictes et factuelles ou des résultats plus créatifs et subjectifs.

Au lieu de penser en termes d'une méthode de recherche en remplaçant une autre, il semble plus probable que les moteurs de recherche actuels intégreront les réponses génératives de l'IA comme un autre outil dans leur répertoire pour créer la meilleure expérience de recherche pour les utilisateurs. En fait, Google a déjà signalé un « code rouge » pour répondre à l'avènement perturbateur du GPT appliqué à la recherche.

ChatGPT va-t-il perturber le SaaS et les applications ?

Imaginer l'utilisation de ChatGPT comme une fonction avec des restrictions autour de l'entrée et de la sortie, donne un aperçu supplémentaire de la façon dont il peut être intégré dans les applications. Il existe différentes manières de filtrer les données d'entraînement pour façonner les réponses, ainsi que des réglages tels que le réglage de la température du modèle, pour optimiser les différents cas d'utilisation. Il semble probable que des systèmes simples basés sur des règles pourraient envelopper efficacement des modèles génératifs, en plaçant des contraintes ou des invariants pour façonner une application ou un service. Par exemple, avec des encodeurs et des décodeurs pour la synthèse vocale, il peut être possible de démarrer les assistants vocaux et le service client. Il existe de nombreuses offres et applications SaaS qui peuvent être transformées avec l'utilisation de GPT adaptées à son créneau.

Plusieurs projets sur GitHub procèdent déjà à l'ingénierie inverse de l'API ChatGPT pour fournir une interface utilisable aux développeurs. Bien que nous devions attendre et voir comment les modèles GPT successifs évoluent avec des données de formation accrues, il est déjà clair que les applications qui envoient et reçoivent des données textuelles peuvent être perturbées par les modèles linguistiques à long terme. Certains utilisateurs intelligents ont même demandé à ChatGPT un code qui produit un fichier STL 3D et un texte qui se convertit facilement en mélodies , transformant efficacement la sortie texte de ChatGPT dans plusieurs autres domaines.

Quelles sont les implications plus larges de l'IA générative ?

L'IA générative fonctionnelle a un autre corollaire intéressant. Si les images, le texte et les données audio générés sont si réalistes qu'ils peuvent tromper les juges humains, il est possible d'utiliser des modèles génératifs pour créer des données. Certains articles ont déjà examiné comment l'augmentation des ensembles de données avec des données générées améliore la puissance des modèles. Un cycle évident émerge :

1. L'augmentation des données de formation conduit à une meilleure sortie générative.
2. Une sortie générative améliorée conduit à une augmentation des données de formation.
3. Répétez à l'infini.

Grâce à l'utilisation efficace de l'IA générative pour augmenter les ensembles de données, nous avons accès à une abondance de données. Peut-être que l'IA générative résoudra le goulot d'étranglement des immenses besoins en données de formation et se concentrera sur le nettoyage des données générées.

Alors que les offres SaaS et diverses applications s'efforcent d'intégrer ChatGPT et d'autres outils d'IA génératifs dont les utilisateurs ont envie, nous en apprendrons davantage sur les implications pour le droit d'auteur, l'avantage concurrentiel et la façon dont les entreprises remodèlent le fossé autour de leurs offres.