Къде все още се провалят големите езикови модели?

Големите езикови модели (LLM) и развитието на изкуствения интелект (АІ) са в тесния фокус на бизнеса в последните гoдини, а технологичните компании са в центъра на световния фондов пазар. Според доклад на Bloomberg Intelligence от юни се очаква пазарът на генеративен изкуствен интелект да достигне 2,3 трилиона долара до 2032 г. и да представлява 22% от разходите в технологичния сектор.

Ако темата за АІ е водеща в сферата на технологиите и пазарите, то тя има своето място и в сферата на лингвистиката. Пресечна точка е науката компютърна лингвистика, която се занимава с изследвания в областта на компютърната обработка на естествените езици. Миналата седмица в София се проведе Седмата международна конференция „Компютърната лингвистика в България“ (CLIB 2026), чийто фокус бяха големите езикови модели, изкуственият интелект, обработката и оценяването на езикови данни, езиковите ресурси и разработването на технологии за езици с ограничени ресурси, какъвто е и българският. Участниците включваха български и международни учени.

Един от водещите лектори беше проф. Руслан Митков от Университета на Ланкастър и Университета на Аликанте. Той е автор на над 240 реферирани статии в областта, като основните му приноси обхващат разрешаването на анафората и автоматичното генериране на тестове. Той е и сред първите учени, разработили система за компютърна лингвистика в помощ на хора с аутизъм.

Като водещ лектор в конференцията той проследи революцията в полето на езиковите технологии и технологиите за превод. Според изследванията му към момента методите за дълбоко обучение се правят по-добре с анализа на информация от големите езикови модели.

Сред темите, които засегна, бяха недостатъците на големите езикови модели, когато трябва да превеждат фразеологизми или да работят с по-непознати езици. Все пак не бяха подминати рисковете пред работата на преводачите, които могат да бъдат сведени в бъдеще специалисти по създаване на AI промптове за превод. Същевременно Митков очерта и недостатъците на моделите, които лесно се поддават на натиск и убеждаване от страна на потребителя.

Подчертавайки, че човекът не може да предсказва бъдещето, Митков се опита и да допусне кога изкуственият интелект може да достигне естествения и показа две графики – една, в която е предвиждал да се пресекат в далечното бъдеще и една, в която допуска, че това може да се случи до 2050 г.

След лекцията имахме възможност и за кратък разговор, в който проф. Митков отбеляза къде се провалят големите езикови модели. Засега.

Проф. Митков, по какъв начин работата с големите езикови модели променя естествения език?

– Има термини, които възникват, свързани с тези модели, и те са навлезли вече в естествения език. Например терминът „халюцинирам“. Той означава да генерираш невярна информация, а не както се използва досега в медицината. Създават се нови технически жаргони.

Освен това, понеже сканират страшно много информация, са добри в писането. Chat GPT пише много добре на английски. От гледна точка на това, те помагат на хората да научат някакъв нов език и да пишат по-добре на него. Те (езиковите модели, бел. авт.) са много добри преводачи, в езика могат да помагат много.

Доколко е застрашена работата на преводачите в такъв случай?

– Има хора, които предпочитат да работят с хора преводачи. Освен това тези езикови модели все още не са добри, когато превеждат литературен текст. Там човешката креативност печели. Един човешки преводач ще преведе много по-добре литературно произведение, макар че сега много издатели превеждат книга с изкуствен интелект и плащат на преводач да я провери и подобри. Какво се получава? Макар да не се използва изцяло изкуственият интелект, го използват за по-евтин труд. Много по-евтино е да пратят на някого текст да го редактира само, отколкото да го преведе.

Извън използването на езиковите модели за търсене на информация, какво е най-голямото им приложение?

– Те могат да разсъждават, може да им поставите задача и те да мислят по нея и да ви дадат информация. Аз например сега трябва да си правя данъчен отчет в Англия и съм задал един алгоритъм да се търсят определени знаци и да се събират числата, да се направи един подреден екселски файл. Правят го много добре. Могат да правят програми. Казвате им: „Напишете ми програма“, и те го правят.

Макар че казват, че не са лекари и трябва да се посъветвате и с лекар, дават съвет при симптоми. Сега търся да си купя кола и те ми дават информация. Например днес попитах: „Какво ще кажете за една Mazda, която е 141 коня. Аз имам BMW 170 коня, ще се чувства ли по-малко мощна колата“. Той (езиковият модел, бел. авт.) ми отговаря – не съвсем, защото има по-високи обороти на двигателя. Те разбират тези неща, понеже копират информация с всички обяснения. За нула време сканират и използват огромна информация.

Кое, според Вас, е най-интересното, което трябва да се следи в момента в областта на изкуствения интелект?

– Аз лично гледам кои модели са най-добрите, кои са най-мощните – следя последните модели да видя дали работят по-добре от предишните, какви са ограниченията им и каква е границата на техните възможности.

Какво не достига на изкуствения интелект, за да достигне естествения? Неспособността да разбира абстрактно мислене или липсата на достатъчно информация, с която да сравнява?

– Има области, в които не работи много добре. Не работи добре с културните специфики и там, където се изисква емоционална интелигентност. Не работи много добре и при неща, свързани с високото човешко абстрактно и духовно мислене.

Те все още остават недостъпни?

– Все още, но не знам докога.