Прошёл ровно год с момента публикации статьи о возможностях использования генеративных моделей искусственного интеллекта (ИИ) в работе университетского библиотекаря¹.
¹ Морозова, С.А. «Мы оба с ним как будто из металла, но только он — действительно металл», или Как перестать беспокоиться и начать использовать генеративные модели ИИ / С.А. Морозова // Университетская книга. — 2024. — № 1. — С. 42—49.
Что произошло за год? Учитывая, какие могли бы быть изменения, наверное, мало или ничего. Часто тему ИИ включали в программы конференций, было много вебинаров, семинаров, дискуссий, публикаций. Все охотно слушали, читали, обсуждали, рассуждали, зачастую не пользуясь. И… это нормально. Для проникновения любой новой темы, технологии, возможности в библиотечную среду, особенно на фоне неясности доступа, суррогатных реализаций большинства обсуждаемых ресурсов, требуется время. Возможно (или наверняка), необходимо больше практических примеров, демонстрации реализаций. Давайте попробуем. Снова.
Светлана Александровна МОРОЗОВА, заместитель директора Фундаментальной библиотеки Российского государственного педагогического университета им. А.И. Герцена (Санкт-Петербург)
ВМЕСТО ПОЛЬЗОВАТЕЛЯ ИЛИ ВМЕСТЕ С ПОЛЬЗОВАТЕЛЕМ?
Университетская библиотека сегодняшнего и завтрашнего дня — это систематизация и структуризация больших объёмов информации с разделением верифицированного и неподтверждённого, это аналитика и информирование пользователей, это постоянное совершенствование доступа пользователей к рекомендуемой информации, это консультационное сопровождение читателя, как видимое, так и «фоновое» (улучшение информации и сервисов на сайте, целенаправленные публикации в социальных медиа, офлайновая визуализация и многое другое), создание возможностей для работы пользователя в любой точке, где он находится, одновременно с формированием разнообразных и удобных пространств в самой библиотеке, обучение в различных форматах, как интегрированное в образовательные программы вуза, так и сиюминутное — по актуальным вопросам (вебинары, семинары, тренинги). Это далеко не полный перечень направлений эффективной и современной работы библиотекаря вуза. Несовременно и неэффективно, когда мы что-то делаем вместо пользователя. Это противоречит и актуальной кадровой ситуации в большинстве вузовских библиотек. Задача существенно сократившихся коллективов библиотек вузов — сделать так, чтобы пользователю было интересно, удобно и с уверенностью в нашем присутствии «где-то рядом» найти, изучить и сделать самому, нежели занять часы и дни рабочего времени библиотекаря рутиной, которая ведёт свою родословную из эпохи сугубо печатных фондов и карточных каталогов. Парадоксальное устройство работы — это создавать базы мета- и полнотекстовых данных, организовывать доступ к глобальным объёмам информации… и самим их использовать не для создания обучающего контента, не для систематизации и популяризации информации, не для изучения новых возможностей, а заменяя пользователя. В данном случае совершенствование компетенций, получение современных знаний, актуальных навыков со стороны как библиотекаря, так и пользователя равно нулю. Все остаются в той же точке: пользователь так и будет обращаться к библиотекарю, а тот, в свою очередь, создаст отчёт о многих часах работы, потраченных на определённый реестр действий, вместо того чтобы придумывать новое и генерировать идеи дальнейшего развития.
Рассмотрим ситуацию на примере обращений пользователей по поводу подбора литературы и составления списка в определённом формате — в соответствии с российскими ГОСТами или в международном стиле. Что происходит в этот момент? По сути, библиотекарь становится соавтором исследования, поскольку процесс сбора и анализа информации, формирования метаданных публикации — это элемент деятельности и компетенций автора как в отношении образовательной работы, так и в части научного исследования на этапе подготовки публикации.
В качестве примера возьмём процесс подготовки материалов и оформления потенциальной публикации в формате научной статьи для рецензируемого научного журнала. Безусловно, в каждом исследовании есть вводная и экспериментальная части, описание методологии, результаты и выводы, резюме о перспективах дальнейшего изучения, которые невозможны без непосредственного научного творчества автора или соавторов, а есть часть рутинная, связанная с оформлением метаданных рукописи в соответствии с требованиями конкретного издания. Здесь, к сожалению, нет единства даже (или тем более) в отдельно взятом российском сегменте изданий. Каждый из журналов формирует свои требования к оформлению как текста, так и данных об авторах и организации. Различаются подходы к аннотациям и ключевым словам. И всё это на двух языках: русском и английском, если мы говорим о качественных рецензируемых научных журналах, включённых или стремящихся войти во всё сложившееся на данный момент многообразие списков (Перечень ВАК, Категорийный перечень ВАК, «Белый список» научных изданий, ядро Российского индекса научного цитирования (РИНЦ), Russian Science Citation Index (RSCI), каталог «Российские научные журналы», международные научные базы данных, анонсированные Единый государственный список научных изданий и новый «Белый список» и т.п.), включение в каждый из которых является критерием в определённой сфере в какой-либо ситуации оценивания.
И конечно, важным фактором является различие требований к оформлению библиографических списков к статьям. Более того, даже в случае обозначения ГОСТа в русскоязычной части списка и стиля цитирования (Harvard, Vancouver, MLA, APA и т.п.) — в англоязычной внимательный анализ требований журнала и изучение представленных примеров показывают, что редколлегией внесены корректировки в обозначенные стандарты. То же касается внутритекстовых сегментов цитирования (обозначения источника цитирования и страниц непосредственно рядом с цитатой), а также сортировки (ранжирования) библиографического списка.
В связи со всем обозначенным выше использование библиографических менеджеров Zotero, Mendeley и др. решает важную задачу систематизации источников, единого окна их сохранения, к которому пользователь может обратиться, где бы ни находился и с любого доступного устройства, только лишь использовав свои авторизационные данные, не удовлетворяет требованию формирования списков и обозначения цитирований в тексте. И после выгрузки данных в определённом стиле с применением инструментов библиографического менеджера, и после обработки текста расстановкой цитирований с помощью того же программного средства потребуется значительная ручная обработка, которая может повториться неоднократно, в случае если автор (соавторы) изменит выбор журнала для публикации. В то же время обучение использованию библиографических менеджеров, консультирование в отношении возможностей каждого из них — важная компетенция и часть эффективных видов деятельности университетских библиотек, особенно для обучающихся на уровне магистратуры, аспирантов и, конечно, преподавателей / научных сотрудников.
Но именно то, с чем не справляются полностью библиографические менеджеры, — показательное поле деятельности для генеративных (GPT) моделей ИИ. И это обоюдовыгодный процесс. Библиотекарь приобретает компетенцию формирования промптов, которые позволят модели за считанные секунды преобразовать список в любом его состоянии в требуемый в отдельно взятом издании, и обучает этому пользователей, одновременно освобождая себя от рутинной работы, состоящей, по сути, в перестановке слов и символов «слева направо, сверху вниз». Пользователь получает от библиотекаря новые знания, которые пригодятся ему многократно в последующем, также освобождая себе время для новых исследований, а не для формальных действий.
Давайте рассмотрим процесс подготовки публикации в части оформления её метаданных совместно с несколькими GPT-моделями. Для этой статьи возьмём зарубежные модели: ChatGPT 4o и o1 (разработчик и владелец — OpenAI), Gemini Pro 1.5 (Google), Perplexity Pro (одноимённый стартап, существующий на раундах инвестиций) и российский GigaChat Max («Сбер»). Мы намеренно не взяли модель «Яндекса», поскольку она не справилась с представленными здесь задачами настолько, что не будем тратить ваше время и место в журнале на разбор отрицательного результата от российской модели, на которую возлагали большие надежды исходя из стартовых возможностей, в частности из обладания глобальным поисковым индексом. К сожалению, в отношении нашей профессиональной деятельности (наверняка это не так для других сфер) ни в общедоступной версии «Алисы Про», ни в версии YandexGPT 4 Pro RC (Cloud) за год в получаемых результатах ничего не изменилось, кроме номеров и названий моделей.
ПОДОЖДИТЕ, А ЧТО ВСЁ-ТАКИ С ПОИСКОМ ЛИТЕРАТУРЫ ДЛЯ ПУБЛИКАЦИИ?
Существенный вопрос, с которого мы и начнём. И здесь за год что-то улучшилось, а что-то — осталось прежним.
Зарубежные модели, перечисленные выше, стали выходить в Интернет, а не только основываться на заложенном в них массиве данных. Это существенно повлияло на возможность формирования библиографических списков и в части достоверности, и в отношении актуальности. Но к сожалению, полностью это утверждение относится только к англоязычным публикациям. В части российских наиболее (но не полностью) достоверным является ChatGPT, как в версии 4o, так и в версии о1. Отвлечёмся на краткий комментарий о версии ChatGPT o1, возможности которой в отношении исследуемых вопросов незначительно отличаются или совсем не отличаются от возможностей версии 4o (omni). Однако эта версия представляет интерес в части «рассуждений» модели, аргументов, принимаемых фактов, пути к полученному результату. Всё это — отличная возможность изучать и понимать модели GPT в целом, а также вероятность увидеть «точку недопонимания» и скорректировать свой промпт.
Рассматриваемый нами вопрос основывается на личном опыте автора, когда статья, посвящённая литературным способностям GPT-моделей, создавалась и оформлялась в соответствии с требованиями одного журнала, а впоследствии выбор издания был изменён и возникла необходимость переоформить все метаданные, ссылки и библиографический список. Но для данной статьи мы попробуем смоделировать с помощью GPT схожий, но краткий тестовый библиографический список для оперативности его анализа и сжатой демонстрации результатов.
Наш промпт был единым для всех моделей:
«Подбери публикации на русском языке и на английском языке по теме: GPT-модели искусственного интеллекта и литературное творчество. В публикациях должны быть: 1) одна книга на английском языке и одна книга на русском языке; 2) две статьи в рецензируемом научном журнале на английском языке и две статьи в рецензируемом научном журнале на русском языке; 3) одна публикация в материалах конференции на английском языке и одна публикация в материалах конференции на русском языке; 4) одна глава в книге на английском языке и одна глава в книге на русском языке. Обязательно добавь ссылки (URL) или DOI». Мы использовали настойчивость в нашем запросе путём повторения одних и тех же слов с целью избежать «потери понимания» моделью при анализе промпта. Другой метод — разбить этот же запрос на четыре промпта для каждого типа требуемых публикаций. Приведём для примера отрывок рассуждений модели ChatGPT o1.
ОПРЕДЕЛЕНИЕ КОНКРЕТНЫХ ИСТОЧНИКОВ
Я ищу публикации на английском и русском языках, посвящённые моделям GPT и литературному творчеству, уделяя особое внимание авторитетным издательствам и научным платформам.
ВЫБОР ГЛАВ
Фокусируюсь на поиске надёжных глав из книг, таких как «Искусственный интеллект и литературное творчество», и сборников от издательств O'Reilly или Springer, особенно касающихся GPT и генеративных моделей.
АНАЛИЗ ВАРИАНТОВ
Ищу академические ресурсы, включая Cambridge CompaniontoLiteratureandAIи публикации на SSRNили arXiv, чтобы найти значимые ссылки на модели GPT и литературное творчество. (…)
Далее мы видим следующие разделы рассуждений: «Определение источников», «Выбор подходящей главы», «Определение релевантности», «Исследование цифровой литературы», «Поиск связей», «Определение источника», «Изучение научных источников» («Ищу ссылки на РИНЦ и CyberLeninka, включая ведущие российские журналы по литературоведению и материалы конференций, чтобы найти достоверные разделы о GPT и его применении в литературном творчестве»), «Сбор материала» («Ищу надёжные русскоязычные источники о GPT и литературном творчестве, такие как новые тома от Издательства ВШЭ или публикации CyberLeninka, с акцентом на достоверность и наличие стабильных ссылок или DOI»), «Определение ссылок», «Оценка источников», «Сбор значимых источников», «Оценка академических ресурсов», «Определение достоверных источников», «Оценка жизнеспособности ссылки», «Подтверждение достоверных источников», «Сбор достоверных источников». Чем не алгоритм действий квалифицированного библиографа, согласитесь? Но это только рассуждения, нам важен не менее качественный результат.
Первоначальный ответ ChatGPT предоставляет в следующем формате (отрывок).
СТАТЬИ В РЕЦЕНЗИРУЕМЫХ НАУЧНЫХ ЖУРНАЛАХ
На английском языке
Ответы Gemini, Perplexity, GIGAChat просто перечни с расстановкой информации, схожей со стилями библиографического описания, но на данном этапе ни к одному стилю точно не относящиеся. Gemini сопровождает результаты подробными рассуждениями, например: «Подобрать идеально подходящие публикации, затрагивающие одновременно GPT-модели и литературное творчество, сложно, так как эта область исследований ещё достаточно нова. Многие работы рассматривают либо GPT-модели в целом, либо литературное творчество с помощью ИИ в более широком смысле. Я постарался подобрать наиболее близкие по тематике материалы, но некоторые из них могут фокусироваться на смежных аспектах».
В целом подобранные библиографические списки, к сожалению, по-прежнему говорят о том, что в этом направлении полагаться на текущие версии GPT-моделей полностью нельзя (необходимо отметить, что во всех моделях был открыт доступ в Интернет и установлены максимальные настройки реальности ответа, а в случае неудач проводилось несколько промпт-запросов, включая новые запросы без контекста или продолжение запросов с очисткой контекста):
² ИИ в книжном бизнесе // Университетская книга. — 2024. — № 8. — С. 30–38. — URL: https://www.unkniga.ru/tehnology/ii-v-knizhnom-biznese-arsenal-vozmozhnostei.html (дата обращения: 13.12.2024).
Безусловно, каждая из представленных GPT-моделями публикаций была проверена, но если мы видим в русскоязычной части списка такой текст (Perplexity), то можно сэкономить время на верификации: «шутки» GPT с «Иванов, Петров, Сидоров» применялись и в предыдущих версиях, не имевших выхода в Интернет и улучшенных алгоритмов. Для англоязычных публикаций в таких случаях обычно используются «авторы» с фамилиями Smith, Johnson, Brown, Wilson и т.п.
Иванова, Е.С. Искусственный интеллект как соавтор: этические аспекты использования GPT в литературе / Е.С. Иванова // Вопросы философии. — 2024. — № 2. — С. 45–58.
Петров, А.В. GPT-модели в литературном творчестве: возможности и ограничения / А.В. Петров // Вестник Московского университета. Серия 9: Филология. — 2023. — № 4. — С. 78–92.
Сидорова, М.И. Применение GPT-моделей в анализе художественных текстов / М.И. Сидорова // Цифровые технологии в гуманитарных исследованиях: материалы Международной научно-практической конференции, Москва, 15–16 мая 2023 г. — Москва: РГГУ, 2023. — С. 123–135.
В итоге, используя подборки публикаций от всех моделей, представивших достоверные описания публикаций или хотя бы ссылки на верифицированные источники, мы собрали компактный список, который можем использовать в этой статье (формат описания приведён к единству, на самом деле далее мы будем рассматривать получение перечней из разноструктурированных списков, также намеренно станем «перемешивать» сортировку в дальнейших промптах).
Не будем обсуждать качество списка: оно, очевидно, не соответствует высоким академическим требованиям. Нам для данной статьи необходимо было отобрать небольшой перечень достоверных публикаций, собранных GPT-моделями, чтобы продемонстрировать возможности оперативного формирования библиографических списков в различных форматах согласно требованиям журналов.
Опыты с поиском литературы для статьи вместе с GPT-моделями показали, что в этом процессе библиотекарь — эксклюзивный обладатель компетенций. Но не в подборе литературы вместо пользователя, автора, а в организации доступа к значительным объёмам информации, создании сервисов для комфортного поиска текстов и работы с ними, обучении и консультировании пользователей, формировании коммуникационной среды взаимодействия и генерации информационных материалов, помогающих в поиске и анализе найденных источников.
ТОЧКА, ТОЧКА, ЗАПЯТАЯ…
Итак, у автора с соавтором статья создавалась в соответствии с оформлением по требованиям научного рецензируемого Журнала 1. Требования к оформлению библиографического списка следующие: он составляется на русском языке (в соответствии с ГОСТ Р 7.0.5-2008) и на латинице (Harvard). Рассмотрение примеров уже опубликованных статей показало, что в списке, оформленном по российскому ГОСТу, у книг убран сегмент объёма в страницах, а обозначение «DOI» приводится строчными буквами. Для ChatGPT достаточно данных в промпте:
«Оформи эти ссылки в соответствии с российским ГОСТ Р 7.0.5-2008. В описаниях книг необходимо убрать страницы. DOI — строчными буквами. Расставь по алфавиту, сначала по алфавиту русскоязычных публикаций, затем по алфавиту англоязычных публикаций. Дату обращения для URL укажи сегодняшнюю» (напомню, мы привели все публикации в том оформлении, как они были первоначально подобраны GPT-моделями, и специально «перемешали» между собой русскоязычные и англоязычные), чтобы через пару секунд получить следующий результат (отрывок).
Ву Тхиен Т.Т. Литературные произведения, создаваемые искусственным интеллектом: проблемы выражения ценностей // Вестник Уральского федерального университета. Серия 1: Проблемы образования, науки и культуры. 2020. № 16. С. 123–130. URL: https://elar.urfu.ru/bitstream/10995/83387/1/978-5-7996-2997-7_2020_016.pdf (дата обращения: 13.12.2024).
Лекун Я. Как учится машина: революция в области нейронных сетей и глубокого обучения. М.: Альпина Паблишер, 2020.
Эпштейн М., Абелюк Е. Поэзия искусственного интеллекта: эксперименты и выводы // Творчество и искусственный интеллект: проблемы и перспективы. 2024. № 411. С. 12–13.
Grace S.C.S.C., Sahu G.R. Influence of Generative AI on Creative Literature // International Research Journal on Advanced Engineering and Management. 2024. Vol. 5, № 1. P. 45–52. doi:10.47392/irjaem.2024.0179.
Marco G., Gonzalo J., del Castillo R., Mateo Girona M.T. Pron vs Prompt: Can Large Language Models Already Challenge a World-Class Fiction Author at Creative Text Writing? // arXiv preprint arXiv:2407.01119. 2024. URL: https://arxiv.org/abs/2407.01119 дата обращения: 13.12.2024).
Если библиографический список содержит 30–40 названий и более, это добавит лишь секунду-две к ответу.
Остальные модели:
Теперь можно взять получившийся список и присоединить его к следующему промпту (составленному на основе использования стиля в конкретном журнале и из-за недопонимания моделью требований в отношении русскоязычных описаний):
«Сделай эти ссылки в стиле Harvard по такому образцу: Asmus, V.F., 1962. Reading as work and creativity. Voprosyliteratury [Problems of Literature], 9, pp. 34–46 (in Russ.).
Необходимо:
И снова это доходчивый промпт для ChatGPT и минимум потраченного времени (отрывок).
Epstein, M. and Abelyuk, E., 2024. Poetry of artificial intelligence: experiments and conclusions. Tvorchestvo i iskusstvennyy intellekt: problemy i perspektivy [Creativity and Artificial Intelligence: Problems and Prospects], 411, pp. 12–13 (in Russ.).
Grace, S.C.S.C. and Sahu, G.R., 2024. Influence of Generative AI on Creative Literature. International Research Journal on Advanced Engineering and Management, 5(1), pp. 45–52. oi:10.47392/irjaem.2024.0179.
Lecun, Y., 2020. Kak uchitsya mashina: revolyutsiya v oblasti neyronnykh setey i glubokogo obucheniya [How Machines Learn: The Revolution in Neural Networks and Deep Learning]. Moscow: Alpina Publisher (in Russ.).
Marco, G., Gonzalo, J., del Castillo, R. and Mateo Girona, M.T., 2024. Pron vs Prompt: Can Large Language Models Already Challenge a World-Class Fiction Author at Creative Text Writing? arXiv preprint arXiv:2407.01119. Available at: https://arxiv.org/abs/2407.01119 [accessed 13 Dec. 2024].
Mitchell, M., 2019. Artificial Intelligence: A Guide for Thinking Humans. New York: Farrar, Straus and Giroux.
Gemini и GIGAChat справились полностью, Perplexity не сделал форматирование текста.
Казалось бы, всё готово, но авторы из-за длительных сроков опубликования в Журнале 1 решили отозвать статью и передать её в Журнал 2, поскольку статья, связанная с GPT-моделями, не может ждать публикации полтора года: она будет неактуальна уже через два-три месяца.
Журнал 2 принял статью для опубликования в ближайшем выпуске, но авторов ждали большие изменения в оформлении статьи в целом и в библиографических списках в частности. Например, необычный подход к библиографическому списку, выразившийся в следующем промпте:
«Переделай этот список литературы ниже по этим правилам:
1) вначале перечислить через пробел авторов и год, после этого длинное тире; 2) если это статья в журнале, то по такому образцу: Авторы год — Автор А. А. Название статьи. Название журнала. год, том (номер/выпуск): страницы. Название журнала курсивом; 3) если статья в сборнике, то по такому образцу: Автор год — Автор А. А. Название статьи. В кн./сб.: Автор А. А. Название произведения (сборника). Редактор А. А. (ред.). Сер.: Название серии. Место издания: Название издательства, ГГГГ. С. хх–хх. Название сборника курсивом; 4) если это книга, то по такому образцу: Автор ГГГГ — Автор А. А. Название. Редактор А. А. (ред.). Сер.: Название серии. Место издания: Название издательства, ГГГГ. xx c. Название книги курсивом; 5) перед описанием, где автор и год, а потом длинное тире, надо убрать инициалы. Просто фамилии авторов, год, длинное тире; 6) Перед страницами не надо С.; 7) Нумеровать список не надо; 8) Перед номером журнала не надо символ номера, надо номер журнала в скобках. На английском не надо Vol., надо только номер журнала в скобках».
И снова это не составило труда для ChatGPT: 26 секунд, из которых 25 — рассуждения версии o1 (отрывок).
Ву 2020 — Ву Тхиен Т.Т. Литературные произведения, создаваемые искусственным интеллектом: проблемы выражения ценностей. Вестник Уральского федерального университета. Серия 1: Проблемы образования, науки и культуры. 2020, (16): 123–130. URL: https://elar.urfu.ru/bitstream/10995/83387/1/978-5-7996-2997-7_2020_016.pdf (дата обращения: 13.12.2024).
Лекун 2020 — Лекун Я. Как учится машина: революция в области нейронных сетей и глубокого обучения. М.: Альпина Паблишер, 2020.
Эпштейн, Абелюк 2024 — Эпштейн М., Абелюк Е. Поэзия искусственного интеллекта: эксперименты и выводы. Творчество и искусственный интеллект: проблемы и перспективы. 2024, (411): 12–13.
Grace, Sahu 2024 — Grace S.C.S.C., Sahu G.R. Influence of Generative AI on Creative Literature. International Research Journal on Advanced Engineering and Management. 2024, 5(1): 45–52. doi:10.47392/irjaem. 2024.0179.
Соответственно для гарвардского стиля (а Журнал 2 также его использовал) мы используем промпт, созданный ранее, но дополняем его необходимостью указания авторов и года перед длинным тире.
Perplexity и Gemini повторили результат ChatGPT, GIGAChat лишь не учёл детали, касающиеся обозначения номеров, томов, выпусков.
А ЧТО ЕЩЁ МОЖНО НЕ ДЕЛАТЬ САМИМ?
Внутритекстовое оформление ссылок. Если продолжать тему цитирования, то ChatGPT справится и с таким промптом, сопровождаемым прикреплённым файлом:
«Замени в тексте в приложенном файле ссылки внутри текста, которые выглядят так: (Автор(ы), год, с. Здесь номер страницы), на ссылки, которые должны выглядеть так: [Автор год: страницы]. Надо обязательно заменить круглые скобки на квадратные. Не меняй остальное форматирование в тексте файла». Вы получите файл в том же текстовом формате, в каком его загрузили, форматирование вашей статьи останется прежним, а внутритекстовые обозначения ссылок будут заменены. Perplexity для этого случая предложил нам алгоритм, как сделать в текстовом файле данную замену, а также приложил код с использованием Python, который с этим справится. Gemini не смог обработать текстовый файл, GIGAChat оправдал своё неумение следующей сентенцией: «Извините, но я не могу выполнить ваш запрос. Информация в тексте файла уже соответствует требованиям оформления ссылок, и круглые скобки используются правильно».
Аннотация, ключевые слова. Вы можете, прикрепив файл черновика статьи, задать следующий промпт (варианты на ваше усмотрение и согласно требованиям журнала):
«Создай аннотацию на русском языке к статье в приложенном файле. Требования к аннотации:
Рекомендуемый объём — 100–250 слов на русском и английском языках.
Аннотация выполняет следующие функции:
Аннотации должны быть оформлены по международным стандартам и включать следующие моменты:
В аннотации должны быть больше учтены все разделы статьи: введение, основная часть о методах и методиках исследования, заключение и выводы».
ChatGPT, например, в ответ на такой запрос создаст и ключевые слова. Вы, конечно, внесёте изменения в полученный результат, возможно значительные, но у вас появится основа для редактирования, и вы не забудете сегменты аннотации, поскольку они будут соблюдены моделью. После этого получившийся вариант можно «вернуть» GPT-модели для перевода на английский язык с указанием, что это аннотация статьи в научном рецензируемом журнале и необходимо учитывать требования академического стиля речи.
Части текста. Предположим, вы (или ваши пользователи) справились, потратив значительное время, с большой статьёй, но никак не можете придумать интересный для читателя завершающий абзац. Снова сопровождая запрос загрузкой файла почти завершённого текста, вы можете попросить у модели:
«Напиши другой вариант последнего абзаца для статьи в приложенном файле. Напиши так, чтобы открывались возможности дальнейших исследований. Чтобы авторы приглашали читателя к дискуссии. И последний абзац был менее формальным, но в рамках академического стиля текста научной статьи. Обязательно учитывай весь текст и тему статьи, чтобы отразить это в последнем абзаце». Конечно, ответ модели — это не копипаст для автора. Это лишь основа для идей.
Перевод метаданных на английский язык. Самый очевидный запрос к GPT-модели — это промпт с задачей перевода заглавия, сведений об авторах (и других составляющих метаданных, которые мы уже описали выше) на английский язык. С этим качественно справляются большинство генеративных моделей.
Проверка текста. Завершив статью, вы можете отдать её на проверку GPT-модели со следующим (примерным) промптом: «Прочитай статью в прикреплённом файле. Найди ошибки, опечатки, недочёты, стилистические ошибки, неточные формулировки, потерю мысли и другое». Вы получите подробный анализ, из которого сможете использовать необходимое. Например, автор данной статьи намеренно проигнорировала «претензию» GPT-модели к тексту статьи, которую вы читаете: «Стилистические ошибки: употребление выражений, которые могут быть менее профессиональны для академической статьи, например "шутки GPT"», поскольку считала выражение удачным.
Если в анализе указано: «Периодически встречаются пропущенные запятые или неудачные синтаксические конструкции», можно продолжить разговор промптом:
«Найди все пропущенные запятые и неудачные синтаксические конструкции. Напиши их здесь».
ПОДВОДЯ ИТОГИ
Вы всё ещё считаете, что с процессом переработки объёмных библиографических списков в различные форматы и с оформлением метаданных автор и специалист университетской библиотеки справятся ничуть не хуже GPT-моделей? Это так. Безусловно, справятся, возможно с недочётами «человеческого фактора». Не займёт ли составление промптов столько же времени? На первом этапе, наверное, да. Но, составляя промпты, взаимодействуя с различными моделями, вы учитесь, исследуете новый ресурс, готовы участвовать в дискуссиях, основываясь на личном опыте, а не на прочитанных где-то рассуждениях и критике. И если вы университетский библиотекарь, то у вас появляется новое пространство знаний. Вы изучаете их сами и учите пользователей, а не выполняете рутинные операции, которыми занимались со старта вашего рабочего стажа в библиотеке вуза. Это шаг вперёд, а не привычный маршрут в привычном ареале действий, подтверждение того, что университетские библиотеки всегда стремятся быть хоть немного, но впереди своих пользователей и вести их за собой, а не отделываются шаблонными фразами об опасностях, подстерегающих сферу образования в связи с развитием генеративных моделей ИИ. Давайте будем интересны сами себе, и тогда мы обязательно будем интересны пользователям.
Рубрика: Библиотечное дело
Год: 2025
Месяц: 1
Теги: ChatGPT Искусственный интеллект (ИИ) Вузовские библиотеки Научное редактирование Библиография Научный контент Светлана Морозова
