Слава новому року 2568! — З Новим 2025 роком, друзі! 🥳🎄🎉
Останнім часом, мабуть, ви помітили, що я рідко публікую блоги. Більшість публікацій — це короткі дописи на Facebook або Instagram, новини або бесіди з експертами про технології та різні варіанти їх використання. Але ця тема, на мою думку, потребує більш детального викладу, тому вирішив написати довгий блог, щоб це було корисно як для технічних, так і нетехнічних людей, які можуть використовувати ці поради на різних заходах, конференціях або за обідом.
На днях, під час канікул, я мав можливість потренуватися в парку Бенджакіті, пройти до парку Лум через Зелений міст. Тоді я тренувався разом з братом Онущитом, який запросив мене погуляти. Це був чудовий момент для обміну досвідом, зокрема, ми поговорили й про Generative AI.
Може, ви здивуєтесь, хто ж такий брат Онущит і чому ми знайомі. Дозвольте представити його:
Онущит Сапантапонг, або брат О, — актор, якого багато хто з нас впізнає по його ролях у фільмах, телесеріалах та театральних виставах. Він відомий за ролями у таких фільмах, як "Режисер", "15 день 11 місяця", "Це кохання, це духи", "Анґор" і багато інших. Остання роль — як лікар у серіалі "Тіша" на каналі One31.
Я сам познайомився з братом О, оскільки ми з ним були однокурсниками в одній школі, тому часто спілкувалися, ділилися досвідом і, зрештою, почали обговорювати такі речі, як ChatGPT і відкриті моделі. Це стало початком створення фундаменту для розуміння теми Generative Model.
Зрозуміло, що для технічних спеціалістів пояснити непрофесіоналу складні терміни — це завжди виклик. Тому моєю стратегією стало використання простих слів замість технічної термінології, щоб люди могли зрозуміти, про що йде мова.
Це стало моїм викликом, коли у 2024 році я спілкувався з людьми, які були цифровими номадами, інфлюенсерами або маркетологами. Моя мета була — донести свої ідеї до них. І зазвичай я використовував прості слова або діаграми/ілюстрації, щоб пояснити складні поняття. Наприклад, коли я розповідав брату О про маленькі мовні моделі, я пояснював їх як "моделі, схожі на ChatGPT, але меншого розміру, що працюють без інтернету". Коли ж йшлося про RAG (Retrieval Augmented Generation), я пояснював це як "систему, яка отримує зовнішню інформацію, аналізує її, а потім дає відповідь".
Одного разу, сидячи в Starbucks, брат О запитав, чому ChatGPT знає, хто я. Як він отримує інформацію, або, як ми кажемо, "Retrieve"? Тож я показав йому на своєму телефоні діаграму, що пояснює принцип роботи LLM з RAG.
RAG Workflow Oversimplified
Це зображення показує робочий процес RAG, де, припустимо, якщо ви хочете отримати відповідь про біографію брата О, система використовує знання, які ми завантажили, і відшукує потрібну інформацію. Потім ця інформація передається до LLM (Large Language Model) для генерації відповіді. Якщо в знаннях не знайдено потрібної інформації, система звертається до Інтернету для отримання релевантних даних, щоб отримати відповідь, яка буде максимально точною.
У частині вибору моделі брат О запитав поради й захотів зрозуміти, що кожна модель має різний рівень "розумності". Деякі моделі кращі для роботи з тайською мовою, як-от Typhoon, інші — для математичних задач, наприклад Phi або THaLLE (Text Hyperlocally Augmented Large Language Extension) від KBTG. Коли я вперше розповідав брату О про маленькі мовні моделі, він зацікавився і захотів слідкувати за цим, адже, можливо, в майбутньому, якщо Інтернет зникне, ми зможемо використовувати ці моделі для пошуку інформації або узагальнення даних.
Якщо підсумувати, як ми можемо переконати людей зрозуміти або зацікавитися технологіями, то це не просто вибір правильних слів для посту у Facebook чи Instagram. Часто треба бути готовим не тільки до того, щоб поділитися ідеями, а й до безпосереднього спілкування — сидіти, стояти, обмінюватися думками. Але просто розповідати — цього недостатньо. Потрібно враховувати й інші фактори, що додають динаміки нашому спілкуванню. У мене є 7 технік, які я використовував у кейсах, не пов’язаних з AI, а більше з Cloud Solutions, і вони виглядають так:
1.
Починаючи з емпатії (Empathy)
- Розумійте, що слухачі можуть не мати технічних знань і можуть відчути себе розгубленими, якщо використовувати занадто багато технічних термінів.
- Намагайтеся ставити себе на місце слухачів: що вони хочуть дізнатися? Яка інформація допоможе їм зрозуміти найпростіше?
2. Зменшення технічних термінів (Jargon)
- Пояснюйте технічні терміни простими словами. Наприклад, замість того, щоб сказати “ми будемо deploy microservices”, можна сказати “ми додамо нову функцію в систему, розділивши її на маленькі частини для більшої гнучкості”.
- Якщо необхідно використовувати спеціалізовані терміни, порівнюйте їх із чимось зрозумілим у повсякденному житті. Наприклад, “Cloud Storage” — це як “онлайн шафа для зберігання документів”.
3. Використання прикладів (Example)
- Описуйте концепції через реальні приклади, щоб слухачі могли уявити, про що йде мова.
Наприклад: “Ця система схожа на Uber для репетиторів. Ви можете вибрати репетитора і забронювати час”. - Якщо процес складний, поясніть його покроково з ілюстраціями чи графікою, якщо це необхідно.
4. Пов’язання з цілями слухачів
- Поясніть, чому те, про що ви говорите, важливе для них. Наприклад:
“Ця нова функція допоможе користувачам зекономити час і зручніше бронювати репетиторів”.
5. Дайте можливість ставити питання
- Заохочуйте слухачів ставити питання, якщо вони чогось не розуміють.
- Використовуйте питання, щоб перевірити, чи зрозуміли вони: “Чи все зрозуміло? Чи потрібно пояснити ще щось більш детально?”
6. Уникайте перевантаження (Avoid Overwhelming)
- Не проявляйте надмірне знання або використовуйте фрази, які можуть змусити слухачів відчути, що вони нічого не розуміють.
- Ставте акцент на співпрацю, а не на розбіжності. Наприклад:
“Можливо, я пояснив занадто спрощено, але якщо є моменти, які потрібно розібрати глибше, скажіть”.
7. Підсумок і наголошення на ключових моментах
- Підсумуйте основні моменти в коротких і простих реченнях, які слухачі можуть легко запам’ятати.
З цих 7 пунктів, початок із емпатії та адаптація комунікації для non-tech (не технічної аудиторії) допоможе зробити спілкування більш плавним і ефективним. Це дозволить нам встановити зв'язок з іншими людьми — клієнтами, друзями у професійному середовищі, або навіть з тими, хто поза нашою сферою. Так ми зможемо донести ідеї і зацікавити їх у спільній взаємодії.
Я впевнений, що в 2025 році ще більше людей з non-tech середовища зацікавляться технологіями, особливо AI. Тому, що Microsoft Learn Student Ambassadors, Microsoft Most Valuable Professionals, Google Developer Group мають на меті передавати знання, щоб кожен міг зрозуміти різні кейси, що дозволяють застосовувати нові технології у своїй роботі.
Сподіваюся, що ця інформація буде корисною для всіх, хто хоче ділитися знаннями та встановлювати зв'язки в 2025 році. Бажаю вам щасливого святкування та продуктивного року, який принесе нові досягнення та прогрес. Дякую за чудові спогади, які ми створили разом у 2024 році на заходах, конференціях та зустрічах. І до зустрічі на BKK.JS #22, який може відбутися в Line Man Wongnai, або Microsoft Season of AI в новому офісі Microsoft на One Bangkok. Побачимось на наступних блогах та подіях! І ще раз — с Новим роком 2568! ❤️🙏
Перекладено з: HNY 🎉: How Tech People Make Non-Tech People Understand about AI in 2025