Никогда такого не было, и вот опять: исследователи Google и университета Мэриленд нашли идеальный способ заработать на никому не нужных стремительно меняющих мир чат-ботах Gemini — интеграция нативной рекламы прямо в текстовые ответы ИИ. В новой статье представлен эффективный метод, как встроить рекламу так, чтобы вы не смогли отличить ее от обычного ответа. Вместо скучных баннеров и явных рекламных блоков в текущем веб-поиске Google, "умный и неподкупный" ИИ будет ненавязчиво советовать вам "восхитительную пиццу" или "невероятные скидки".

Судя по всему гиганты индустрии поняли, что на копеечных подписках за 19 баксов миллиарды не заработаешь, все возможные конфиденциальные данные хомяков пользователей для обучения моделей уже собраны через "бесплатные" продукты, а с текущими инвестициями в железо генеративный ИИ должен принести $600 миллиардов, чтобы окупиться, и этого, конечно, не видно на горизонте. Поэтому компании естественно придумали самый простой и очевидный всем способ заработать — внедрить его Величество рекламу.

Идея проста: реклама будет появляться в каждом сегменте текста в ответах от большой языковой модели в зависимости от ставки рекламодателя и релевантности, что позволит увеличить доходы. Представьте, вы спрашиваете ИИ о лучших местах для отдыха, и он внезапно советует вам "удивительный отдых в Подмосковье". Сразу и не поймешь, где заканчиваются полезные советы ИИ и начинаются рекомендации от спонсоров, так что будьте готовы к удивительным и "случайным" упоминаниям товаров и услуг в ваших диалогах с ИИ.

Судя по всему, такие компании, как OpenAI и Майкрософт, также не останутся в стороне и воспользуются этим очевидным механизмом генерации денег на ровном месте. А что собственно вы хотели? Перемножать громадные матрицы чисел и пиарить все это добро под видом AGI в ведущих издания мира стоит больших денег. За чей счет банкет?

Недавно Google представил свою новейшую языковую модель Gemini, обещая, что она будет анализировать данные лучше, чем когда-либо, с контекстным окном до 1.5 миллионов слов. На пресс-конференциях и демонстрациях Google неоднократно заявляла, что модели могут выполнять ранее невыполнимые задачи благодаря своему «длинному контексту», например, анализ документов объемом в сто и более страниц. Но вот незадача – тщательные тесты различных коллективов ученых показывают, что модели семейства Gemini справляются с заданиями на уровне подбрасывания монетки! Да-да, именно так, случайные шансы оказались не хуже, чем новейший суперкомпьютерный интеллект от Google.

Различные коллективы исследователей (Институт Аллена по искусственному интеллекту, Университет Массачусетса в Амхерсте, Калифорнийский университет в Санта-Барбаре) изучали, насколько хорошо модели Gemini от Google и другие извлекают смысл из огромного количества данных, к примеру, книг размером с «Войну и мир». И все пришли к выводу, что Gemini 1.5 Pro и 1.5 Flash с трудом отвечают на вопросы о больших наборах данных правильно; в одной серии тестов на основе документов модели давали правильный ответ только в 40% случаев. При тестировании моделей Gemini на книгах размером около 260 000 слов (~520 страниц), исследователи к своему удивлению обнаружили, что 1.5 Pro правильно ответил на истинные/ложные утверждения в 46,7% случаев, тогда как Flash ответил правильно только в 20% случаев. То есть результаты, которые выдает Gemini, зачастую ничем не лучше, чем если бы мы просто доверились нашему старому доброму методу – подбрасыванию монетки. "Орел или решка?" – вот и весь анализ.
По сложившейся в последнее время традиции Google не стал комментировать полученные результаты, но выпустил целую серию собственных научных статей, которые "убедительно" доказывают, что текущие модели точно превосходят случайное подбрасывание монетки, так как по их оценкам точность модели 1.5 Pro выше 56% на документах с длинным контекстом.
Вице-президент по исследованиям в Google DeepMind Ориол Виньялс, проводивший брифинг, назвал текущую модель Gemini «волшебной» и пообещал, что новая версия Gemini, которая выйдет в конце 2024 точно перебьет результаты случайного подбрасывания монетки на всех возможных наборах данных. Ждем с нетерпением и надеждой на новый прорыв!