К настоящему времени накоплен значительный задел в исследовании проблемы формулирования запросов к искусственному интеллекту (ИИ), или промпт-инжиниринга. Вместе с тем, в литературе по теме сохраняются заметные лакуны, в том числе связанные с проведением социального анализа и прогнозированием будущего. В статье представлен обзор публикаций и результаты лабораторного тестирования различных инструментов ИИ. В частности, приводится подробный список белых пятен в исследованиях, составленный на основе анализа существующей литературы. Установлено, что при условии грамотно сформулированного запроса ИИ выполняет социальный анализ и прогнозирует будущее не хуже или даже лучше, чем опытные эксперты. Изучение литературы свидетельствует, что для обеспечения необходимой надежности следует четко разграничивать два аспекта деятельности специалистов по подготовке запросов (промпт-инженеров): их формулирование как таковое и контроль качества информации, которая не сводится к ответам на запросы. Предложены схема рабочего процесса в виде модели применения ИИ для сбора информации и обоснование возможного в перспективе снижения зарплат менеджеров высшего звена
Идентификаторы и классификаторы
- SCI
- Экономика
What is the literature on AI missing for prompting engineering so far, and how good are these services at Societal Analysis and Future Predictions? A literature review and laboratory tests were conducted using different AI services. This study provides an extensive list of research gaps based on an analysis of existing literature. Furthermore, it demonstrates that AI with well-crafted prompts performs as well as or better than senior intelligence analysts in Societal Analysis and Future Predictions. The literature and analysis make it clear that the role of the prompter, to ensure reliability, must be divided into two parts: Prompt Engineering and Information Quality Control (IQC), which in this context is distinct from Prompt Answer Engineering. This study also proposes a working process in the form of a model for using AI in information or intelligence gathering. Additionally, it outlines the rationale for why top managers’ salaries are likely to decrease as a result of these developments
Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.
Список литературы
1. Alkaissi H., McFarlane S.I. (2023) Artificial hallucinations in ChatGPT: Implications in scientific writing. Cureus, 15(2), 35179. https://doi.org/10.7759%2Fcureus.35179. EDN: TDERIU
2. Bahrami M., Mansoorizadeh M., Khotanlou H. (2023) Few-shot Learning with Prompting Methods. Paper presented at the 2023 6th International Conference on Pattern Recognition and Image Analysis (IPRIA),14-16 February 2023, Qom, Iran,. DOI: 10.1109/IPRIA59240.2023.10147172
3. Beganovic A., Jaber M.A., Abd Almisreb A. (2023) Methods and Applications of ChatGPT in Software Development: A Literature Review. Southeast Europe Journal of Soft Computing, 12(1), 8-12. DOI: 10.21533/scjournal.v12i1.251
4. Bondielli A., Dell’Oglio P., Lenci A., Marcelloni F., Passaro L.C., Sabbatini M. (2023) Multi-fake-detective at EVALITA 2023: Overview of the multimodal fake news detection and verification task. Paper presented at the 8th Evaluation Campaign of Natural Language Processing and Speech Tools for Italian (EVALITA 2023), September 7-8, Parma, Italy.
5. Budhwar P., Chowdhury C., Wood G., Aguinis H., Bamber G.J., Beltran J.R., Boselie P., Cooke F.L., Decker S., DeNisi A., Dey P.K., Guest D., Knoblich A.J., Malik A., Paauwe J., Papagiannidis S., Patel C., Pereira V., Ren S., Rogelberg S., Saunders M.N.K., Tung R.L., Varma A. (2023) Human resource management in the age of generative artificial intelligence: Perspectives and research directions on ChatGPT. Human Resource Management Journal, 33(3), 606-659. DOI: 10.1111/1748-8583.12524 EDN: BRQMDN
6. Chang Y., Wang X., Wang J., Wu Y., Zhu K., Chen H., Yi X., Wang C., Wang Y., Ye W., Zhang Y., Chang Y., Yu P.S., Yang Q., Xie, X. (2023) A survey on evaluation of large language models (arXiv preprint 2307.03109). DOI: 10.48550/arXiv.2307.03109 EDN: ZFDYYT
7. Conroy G. (2023) How ChatGPT and other AI tools could disrupt scientific publishing - A world of AI-assisted writing and reviewing might transform the nature of the scientific paper. Nature, 622, 234-236. DOI: 10.1038/d41586-023-03144-w EDN: VYJHHC
8. Davenport T.H., Ronanki R. (2018) Artificial intelligence for the real world. Harvard Business Review, 96(1), 108-116.
9. Fiannaca A.J., Kulkarni C., Cai C.J., Terry M. (2023) Programming without a Programming Language: Challenges and Opportunities for Designing Developer Tools for Prompt Programming. Paper presented at the 2023 CHI Conference on Human Factors in Computing Systems, April. DOI: 10.1145/3544549.3585737
10. Henderson P., Hashimoto T., Lemley M. (2023) Where’s the Liability in Harmful AI Speech? (arXiv preprint 2308.04635). DOI: 10.48550/arXiv.2308.04635
11. Heston T.F., Khun C. (2023) Prompt engineering in medical education. International Medical Education, 2(3), 198-205. DOI: 10.3390/ime2030019 EDN: SENKCN
12. Kumar M., Mani U.A., Tripathi P., Saalim M., Roy S., Roy Sr. S. (2023) Artificial Hallucinations by Google Bard: Think Before You Leap. Cureus, 15(8). DOI: 10.7759/cureus.43313 EDN: WXEITS
13. Kumar R. (2017) Machine learning and cognition in enterprises: Business intelligence transformed. Heidelberg, Dordrecht, London, New York: Springer.
14. Kumar D., Taylor G.W., Wong A. (2017) Opening the black box of financial AI with clear-trade: A class-enhanced attentive response approach for explaining and visualizing deep learning-driven stock market prediction (arXiv preprint 1709.01574). DOI: 10.48550/arXiv.1709.01574
15. Liu P., Yuan W., Fu J., Jiang Z., Hayashi H., Neubig G. (2023) Pre-train, prompt, and predict: A systematic survey of prompting methods in natural language processing. ACM Computing Surveys, 55(9), 195. DOI: 10.1145/3560815
16. Lou R., Zhang K., Yin W. (2023) Is prompt all you need? No. A comprehensive and broader view of instruction learning (arXiv preprint 2303.10475). DOI: 10.48550/arXiv.2303.10475
17. Mahmood A., Wang J., Yao B., Wang D., Huang C.M. (2023) LLM-Powered Conversational Voice Assistants: Interaction Patterns, Opportunities, Challenges, and Design Guidelines (arXiv preprint arXiv:2309.13879). DOI: 10.48550/arXiv.2309.13879
18. Meyer J.G., Urbanowicz R.J., Martin P.C., O’Connor K., Li R., Peng P.C., Gonzalez-Hernandez G., Bright T.J., Tatonetti N., Won K.J., Moore J.H. (2023) ChatGPT and large language models in academia: Opportunities and challenges. BioData Mining, 16(1), 20. DOI: 10.1186/s13040-023-00339-9 EDN: THHGXM
19. Seidenglanz R., Baier M. (2023) The Impact of Artificial Intelligence on the Professional Field of Public Relations/Communications Management: Recent developments and opportunities. In: Artificial Intelligence in Public Relations and Communications: Cases, Reflections, and Predictions (ed. A. Adi), Berlin: Quadriga University of Applied Sciences, pp. 14-25.
20. Solberg Søilen K. (2016) Economic and industrial espionage at the start of the 21st century - Status quaestionis. Journal of Intelligence Studies in Business, 6(3), 51-64.
21. Srivastava B., Lakkaraju K., Koppel T., Narayanan V., Kundu A., Joshi S. (2023) Evaluating Chatbots to Promote Users’ Trust - Practices and Open Problems (arXiv preprint 2309.05680). DOI: 10.48550/arXiv.2309.05680
22. Tetlock P.E., Gardner D. (2016) Superforecasting: The art and science of prediction, New York: Random House.
23. Thoring K., Huettemann S., Mueller R.M. (2023) The Augmented Designer: A Research Agenda for Generative AI-enabled Design. Paper presented at the International Conference on Engineering Design (ICED23) 24-28 July 2023, Bordeaux, France. DOI: 10.1017/pds.2023.335
24. Wang J., Liu Z., Zhao L., Wu Z., Ma C., Yu S., Dai H., Yang Q., Liu Y., Zhang S., Shi E., Pan Y., Zhang T., Zhu D., Li X., Jiang X., Ge B., Yuan Y., Shen D., Liu T., Zhang S. (2023a) Review of large vision models and visual prompt engineering (arXiv preprint 2307.00855). DOI: 10.48550/arXiv.2307.00855
25. Wang S., Scells H., Koopman B., Zuccon G. (2023b) Can ChatGPT write a good boolean query for systematic review literature search? (arXiv preprint 2302.03495). DOI: 10.48550/arXiv.2302.03495
26. Watson E., Viana T., Zhang S. (2023) Augmented Behavioral Annotation Tools, with Application to Multimodal Datasets and Models: A Systematic Review. AI, 4(1), 128-171. DOI: 10.3390/ai4010007
27. Yeadon W., Hardy T. (2023) The Impact of AI in Physics Education: A Comprehensive Review from GCSE to University Levels (arXiv preprint 2309.05163). DOI: 10.1088/1361-6552/ad1fa2
28. Zhang C., Wang W., Pangaro P., Martelaro N., Byrne D. (2023) Generative Image AI Using Design Sketches as Input: Opportunities and Challenges. In: Proceedings of the 15th Conference on Creativity and Cognition, New York: Association for Computing Machinery, pp. 254-261. DOI: 10.1145/3591196.3596820
Выпуск
Другие статьи выпуска
Необходимость постоянного поиска возможностей и обновления ценных активов в усложняющемся контексте представляет экстраординарную задачу для компаний. Одним из наиболее релевантных инструментов ее решения видятся скрытые внутренние ресурсы в виде предпринимательских инициатив персонала — интрапренерство. Интерес к новому типу предпринимательства в последнее десятилетие устойчиво растет. Статья вносит вклад в понимание факторов, влияющих на его развитие, рассматривая пример предприятий обрабатывающей промышленности в наиболее развитых штатах Индии. Раскрывается роль таких ключевых предпосылок, как индивидуальные предпринимательские способности и приобретенные компетенции (стратегическое мышление и проактивное поведение), а также искусство культивирования уникального рабочего климата, благоприятствующего появлению инноваций. Авторские выводы усиливают аргументационную базу в пользу новых форматов экономического развития в дополнение к классическому предпринимательству. Они могут быть полезны для лиц, принимающих решения о способах обновления и наращивания конкурентных преимуществ в динамичной бизнес-среде
Усиление внутренних и внешних вызовов последних лет стало стресс-тестом для российских инновационных компаний. Оценить их адаптационный потенциал и готовность к продолжению инновационной деятельности в условиях кризиса позволяют агрегирование и систематизация настроений и ожиданий бизнес-сообщества в условиях изменения деловой среды. В расчет принимается набор из 47 факторов, объединенных в восемь групп: рынки сбыта, конкурентная среда, материальная база, обеспеченность кадрами, доступность финансовых ресурсов, качество инфраструктуры, государственное регулирование и общественная среда. Источником данных выступают результаты специализированного опроса руководителей 1 121 организации традиционного хайтека и сферы услуг, проведенного в январе–марте 2022 г. Установлено, что восприятие условий для инноваций и зон неэффективности деловой среды слабо коррелирует со сферой деятельности и в значительной мере связано с реализуемыми моделями инновационного поведения. Наиболее пессимистичны в своих оценках организации, не имеющие опыта создания инноваций. Ключевыми барьерами для их развития выступают факторы качества государственного регулирования и доступности внешнего финансирования. Полученные результаты позволяют расширить представление об особенностях адаптации бизнеса к внешним ограничениям и сформулировать некоторые рекомендации для инновационной политики.
В статье представлен подробный анализ мирового рынка микроводорослей, включая научно-технологические возможности и перспективы их промышленного выращивания и создания производной продукции. Системно оцениваются коммерческий потенциал микроводорослей в разных регионах мира, наиболее перспективные штаммы, типы продуктов и потенциальные сферы их применения, а также траектория дальнейшего развития рынка. Научно-технологический интерес к теме проанализирован на базе ежегодной динамики числа статей, которые содержат ключевое слово «микроводоросли» и опубликованы в журналах, индексируемых Scopus. Результаты представлены в хронологическом, категориальном и региональном измерениях, что дает многомерную картину эволюции внимания ученых во времени и в разных географических контекстах. Коммерческий потенциал детально проанализирован на региональном уровне с акцентом на ключевые центры разработки микроводорослевой продукции: США, Германию, Китай и Японию. В ходе исследования учитывалась преобладающая динамика рынка в каждом регионе, что позволило комплексно оценить конъюнктуру. К значимым результатам исследования относятся подробно описанные перспективы развития рынка микроводорослей, новый обоснованный подход, обогащающий существующие представления об этом рынке. Его сегментация по сферам применения продукции, включая производство нутрицевтиков и фармацевтических препаратов, еды и напитков, косметики, кормов для животных и биотоплива, позволила выявить направления устойчивого роста. Среднегодовые темпы роста мирового рынка микроводорослей прогнозируются на уровне 6.8%, к 2030 г. объем этого рынка достигнет 2 млрд долл., что свидетельствует о высоком потенциале производных продуктов в различных отраслях и о важности развития биоэкономики в целом
Рост цен на продукты питания, усиление конкуренции и борьба за сохранение бизнеса подталкивают игроков продовольственного сектора к внедрению инновационных стратегий. Пищевые отходы и потери представляют серьезную проблему, решение которой могло бы внести существенный вклад не только в достижение Целей устойчивого развития (ЦУР), но и, благодаря новым подходам, в повышение конкурентоспособности и улучшение финансовых результатов предприятий отрасли. Проблематика пищевых отходов чаще рассматривается с точки зрения производства, тогда как розничная торговля не получает достаточного внимания исследователей. Апсайклинг (англ. upcycling — трансформация, творческая переработка) продуктов питания — инновационное решение, позволяющее превратить пищевые отходы или излишки в товарную продукцию. В настоящем исследовании проанализировано отношение потребителей к трансформированным пищевым продуктам, изготовленным из излишков, а также конкурентные преимущества, которые ритейлеры способны из этого извлечь. Анализ научной литературы на базе рекомендаций PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses for Protocols — Предпочтительные элементы отчетности для систематического обзора и метаанализа протоколов) позволяет выявить ряд важных характеристик продукции апсайклинга, с которой широкая публика пока плохо знакома. Наибольшей популярностью такие продукты пользуются среди экологически сознательных потребителей. Распространено мнение, что чем меньшей обработке продукты питания подвергаются, тем лучше. Поскольку в случае апсайклинга уровень обработки остается низким, технофобия должна служить не сдерживающим, а, напротив, стимулирующим спрос фактором. Как и в случае с обычными продуктами питания, потребительские решения определяются вкусом, чувственной привлекательностью и ценой творчески переработанной продукции. Без существенного увеличения расходов на маркетинг инновационные предприятия розничной торговли могут привлечь потенциальных клиентов с помощью комплексной и информативной рекламы. Наиболее эффективным форматом служат офлайн-презентации и дегустации, однако не менее важно и распространение информации в интернете. Продажа продуктов питания, подвергнутых апсайклингу, наряду с вкладом в достижение ЦУР, обеспечит ритейлерам конкурентные преимущества
Национальный ландшафт информационно-коммуникационных технологий (ИКТ) может быть продуктивно рассмотрен на примере устойчивых отраслевых комбинаций ИКТ. На корпоративном уровне такие комбинации отражают ИКТ-профиль компаний, рассматриваемый в ресурсной теории как их способность создавать конкурентные преимущества, благодаря комплементарности ресурсов. В отличие от существующих исследований в фокусе внимания авторов статьи — не комбинация ИКТ, сформированная экспертами, а инструмент автоматизированного поиска взаимосвязанных ИКТ на основе методов машинного обучения, который позволяет выявить устойчивые сочетания технологий, внедряемые одновременно несколькими игроками определенной отрасли. ИКТ-профили выявлены с помощью анализа взаимосвязей широкого спектра ИКТ, от базовой инфраструктуры до систем управления эффективностью бизнеса на базе искусственного интеллекта (ИИ). Итоговый набор данных включает 110 технологий для более чем 29 тыс. компаний из 31 отрасли за период 2006– 2022 гг. По результатам анализа сделаны следующие выводы: (1) типичный для большинства отраслей профиль состоит из комбинации систем BPM и SaaS, (2) лидеры по разнообразию и сложности ИКТ-профилей — отрасли страхования и финансов, (3) большие перспективы для отечественных компаний открывает дополнение ИКТпрофилей решениями на базе ИИ, (4) внедрение ИКТпрофилей влияет на финансовые результаты бизнеса, однако значительно варьирует по отраслям.
В стремлении добиться выхода на новые уровни развития компании применяют самые разные стратегии. Наряду с курсом на самодостаточность и работу с рисками, многие игроки рассматривают для себя приемлемой сложную комбинацию стратегических действий: инвестируют в политические инициативы, рассчитывая в перспективе на получение государственной поддержки, чтобы превратить ее в «бустер» собственной инвестиционной и инновационной активности. В статье представлен детальный анализ влияния корпоративной политической активности (КПА) на формирование долгосрочных технологических и рыночных преимуществ для бизнеса. Основу исследования составила выборка американских компаний, котирующихся на бирже. Влияние рассматриваемой стратегии на показатели бизнеса выглядит неоднозначным. В развитие и уточнение результатов предыдущих исследований делается вывод, что КПА приносит компаниям ощутимые преимущества лишь до определенного предела. Наиболее значимые выгоды от применения данного инструмента, помимо небольших компаний, извлекают и крупные игроки, которые по тем или иным причинам оказались в уязвимом положении с точки зрения наращивания капитала. Напротив, самодостаточным и устойчивым субъектам бизнеса, сумевшим накопить солидную инвестиционную базу, целесообразно отказаться от КПА. Взамен следует сфокусироваться на расширении рыночного присутствия и вложениях в исследования и разработки, что обеспечит более ощутимую прибыльность в сравнении с КПА
Производство компьютерных игр вышло за пределы индустрии развлечений, превратившись в высокотехнологичную, инновационную, высокоприбыльную область, оказывающую большое влияние на многие секторы. Она интегрирует технические и гуманитарные дисциплины — искусственный интеллект (ИИ), виртуальную реальность, поведенческую психологию, когнитивистику, дизайн, агентное моделирование, сценарное планирование и др. В статье исследуются перспективы расширения этой области за счет применения более сложных технологий, включая алгоритмы ИИ. На основе методов Форсайта — сканирования горизонтов, анализа научно-технологических, политических, экономических и ценностных факторов — разработаны четыре сценария развития игровой индустрии в Малайзии на ближайшие 10 лет. Настоящее исследование вносит вклад в наполнение информационной базы для обоснования стратегий использования ИИ при разработке игр разного назначения.
Издательство
- Издательство
- ВШЭ
- Регион
- Россия, Москва
- Почтовый адрес
- 101000, г. Москва, ул. Мясницкая, д. 20
- Юр. адрес
- 101000, г. Москва, ул. Мясницкая, д. 20
- ФИО
- Анисимов Никита Юрьевич (Ректор)
- E-mail адрес
- hse@hse.ru
- Контактный телефон
- +7 (___) _______
- Сайт
- https://www.hse.ru/