Филимонов Владимир Юрьевич - аспирант Института подготовки кадров высшей квалификации.
Пятигорск
Vladimir Yu. Filimonov - postgraduate student at the Institute of Top-Qualification Personnel Training, Pyatigorsk State University.
Pyatigorsk
Сегодня большие языковые модели являются очень мощным информационно‑аналитическим инструментом, значительно ускоряющим большинство существующих методов и методологий обработки информационных процессов. Особую значимость в этом качестве получает научная информация, в которую постепенно вовлекаются мощности больших языковых моделей. Такое взаимодействие науки и качественно новых возможностей работы с информацией приводит нас к новым, уникальным научным открытиям, их большому количественному многообразию. Происходит ускорение научного поиска, сокращение временных затрат на его осуществление – высвободившееся время можно потратить как на решение новых научных проблем, так и на научное творчество, которое хотя может и необязательно привести к конкретному решению того или иного научного вопроса, но способно продемонстрировать красоту науки в различных дисциплинарных направлениях. В результате взаимодействие больших языковых моделей и научной информации – это одновременно и поиск‑решение научных проблем, и научное творчество. Решение задач науки требует возможности эффективной обработки больших данных, что нельзя осуществить без эффективного метода. Одним из значимых методов стала архитектура Transformer, представленная в 2017 году и комплексно интегрированная в модель GPT‑3, которая, по состоянию на сентябрь 2020 года, являлась самой крупной и продвинутой языковой моделью в мире. Поэтому GPT‑3 можно назвать базисом большинства научных разработок, осуществляемых в контексте использования больших языковых моделей. Взаимодействие науки и больших языковых моделей стало фактором возникновения большого количества вопросов, среди которых можно выделить такие: является ли результат анализа данных новым знанием, каковы перспективы научного творчества в эпоху больших вычислений. В настоящее время эти вопросы крайне значимы, поскольку именно они позволяют выработать основы эффективного взаимодействия человека и компьютера. Поэтому в данном исследовании производится анализ представленных вопросов.
Today, large language models are very powerful, informational and analytical tools that significantly accelerate most of the existing methods and methodologies for processing informational processes. Scientific information is of particular importance in this capacity, which gradually involves the power of large language models. This interaction of science and qualitative new opportunities for working with information lead us to new, unique scientific discoveries, their great quantitative diversity. There is an acceleration of scientific research, a reduction in the time spent on its implementation – the freed up time can be spent both on solving new scientific problems and on scientific creativity, which, although it may not necessarily lead to a specific solution to a particular scientific problem, but is able to demonstrate the beauty of science in various disciplinary areas. As a result, the interaction of large language models and scientific information is at the same time a research for solutions to scientific problems, scientific problems, and scientific creativity. Solving scientific problems requires the ability to efficiently process big data, which cannot be done without an effective method – one of the significant methods was the Transformer architecture, introduced in 2017 and comprehensively integrated into the GPT‑3 model, which, as of September 2020, was the largest and most advanced language model in the world. Therefore, GPT‑3 can be called the basis of most scientific developments carried out in the context of using large language models. The interaction of science and large language models has become a factor in the emergence of a large number of questions, among which are: «Is the result of data analysis new knowledge?», «What are the prospects for scientific creativity in the era of big computing?». Currently, these issues are extremely important, because they allow us to develop the foundations for effective human‑computer interaction. Therefore, this study analyzes the issues presented.
The authors declare that there are no conflicts of interest present.