Методика применения большой языковой модели ChatGPT в библиотечно-библиографической деятельности

На основании проведённого исследования рассматриваются возможности применения системы искусственного интеллекта ChatGPT для улучшения и автоматизации традиционных библиотечно-библиографических процессов, таких как комплектование, библиографирование, индексирование и предоставление справок. Методика основывается на оценке способностей языковой модели при выполнении этих задач и предлагает подробные рекомендации по эффективному использованию ChatGPT в библиотечной практике. Описан процесс установки ChatGPT, рассмотрены ограничения данной модели, включая вариативность в генерации текста, «галлюцинации» (нерелевантные или несуществующие данные), разность в достоверности ответов ИИ-системы на различных языках и отсутствие актуализации информации. Предлагаются методы решения потенциальных проблем, связанных с указанными ограничениями. Предоставляются общие рекомендации по составлению запросов для максимально эффективного использования ChatGPT в библиотечной практике. Особое внимание уделено важности фактчекинга для проверки достоверности информации, полученной от языковой модели. Разработаны рекомендации, оптимизирующие и автоматизирующие процессы комплектования, библиографирования, индексирования и предоставления справок. В исследовании подчёркивается, что ChatGPT может стать мощным инструментом в библиотечном деле. Он обладает значительным потенциалом для упрощения и улучшения традиционных процессов. 

1. Introducing ChatGPT // OpenAI. URL: https://openai.com/blog/chatgpt (дата обращения: 28.04.2023).

2. Language Models are Few-Shot Learners / T. B. Brown, B. Mann, N. Ryder [и др.] // arXiv e-prints. 2020. 75 с. URL: https://arxiv.org/pdf/2005.14165.pdf (дата обращения: 14.05.2023).

3. GPT-4 Technical Report / OpenAI // arXiv e-prints. 2023. 100 с. URL: https://arxiv.org/pdf/2303.08774.pdf (дата обращения: 28.04.2023).

4. ChatGPT plugins // OpenAI. URL: https://openai.com/blog/chatgpt- plugins?fbclid=IwAR11LXJHiGoMARnWAOWj7zF3fMagXKjkFgNiKBBWVy1A42JDFKfDTB5xzj U (дата обращения: 29.04.2023).

5. Как пользоваться ChatGPT в России? // Тинькофф журнал. URL: https://journal.tinkoff.ru/chatgpt-in-russia/ (дата обращения: 10.07.2023).

6. Как получить доступ к ChatGPT в России // Skillbox. URL: https://skillbox.ru/media/code/kak-poluchit-dostup-k-chatgpt-v-rossii-a-takzhe-belarusiirane-i-vezde-gde-on-zakryt/ (дата обращения: 10.07.2023).

7. Generative Language Models and Automated Influence Operations: Emerging Threats and Potential Mitigations / J. A. Goldstein, G. Sastry, M. Musser [и др.] // arXiv e-prints. 2023. 82 с. URL: https://arxiv.org/pdf/2301.04246.pdf (дата обращения: 02.05.2023).

8. Mantzarlis А. Fact-checking 101 // Journalism, “Fake News” & Disinformation. 2018. С. 81–95. URL: https://en.unesco.org/sites/default/files/module_5.pdf (дата обращения: 10.07.2023).

9. Hahn M., Goyal N. Theory of Emergent In-Context Learning as Implicit Structure Induction // arXiv e-prints. 2023. 69 с. URL: https://arxiv.org/pdf/2303.07971.pdf (дата обращения: 14.05.2023).

10. ChatGPT Shared Links FAQ // Help OpenAI. URL: https://help.openai.com/en/articles/7925741-chatgpt-shared-links-faq (дата обращения: 06.06.2023).

11. PALM2 // Google AI. URL: https://ai.google/discover/palm2/ (дата обращения: 12.07.2023).

12. An Empirical Analysis of Compute-optimal Large Language Model Training // Google DeepMind. URL: https://www.deepmind.com/publications/an-empirical-analysis-ofcompute-optimal-large-language-model-training (дата обращения: 12.07.2023).

13. BLOOM // Hugging Face. URL: https://huggingface.co/docs/transformers/model_doc/bloom (дата обращения: 12.07.2023).

14. YandexGPT в Алисе: как мы создаём языковую модель нового поколения // Хабр. URL: https://habr.com/ru/companies/yandex/articles/739626/ (дата обращения: 12.07.2023).

15. GigaChat – нейросетевая модель от Сбера на русском языке // Витрина технологий Сбера для разработчиков. URL: https://developers.sber.ru/ (дата обращения: 12.07.2023).