Structural and philological features of text generative neural networks

Cover Page

Cite item

Full Text

Abstract

INTRODUCTION. Studying the features of text generative neural networks is an important step in the development of artificial intelligence. Despite the fact that the models have shown high efficiency in solving various problems in the field of journalism and media communications, they have a number of disadvantages. When working with neural networks, you can encounter both gross grammatical and semantic errors. To identify the leader in the most productive text generation, it is necessary to conduct a comparative analysis of the data produced by various services.MATERIALS AND METHODS. In the Russian segment, the most developed neural network services are GigaChat and YandexGPT. To conduct a comparative analysis, the most discussed and generally recognized service was selected – GhatGPT. The study was carried out over several months: September–December 2023. The methodology is based on philological analysis of generated texts and comparison of the accuracy of query output of selected models.RESULTS AND DISCUSSION. Philological and grammatical analysis of the three models allows us to determine the relevance of services for work in the field of journalism and media communications, as well as the software and technical limitations of neural networks. The analysis showed the presence of certain patterns in all neural network models. Generation is carried out according to a preprogrammed scenario. The result consists of a number of factors: the presence of names, abbreviations and wishes specified in the request. Only ChatGPT showed the absence of any censorship; other models refused to generate if the request contained words or names prohibited by the developer.CONCLUSION. The findings can be applied in practice in the media, blogging and media sphere. All three services have their positive and negative sides. According to the results of the study, ChatGPT is currently the leader in text generation and processing. Leadership of the service is ensured due to a wide range of capabilities and stability in issuing answers to requests. However, due to the availability of a large amount of information on the Internet necessary for rapid training of Russian networks, the situation may change in the near future.

About the authors

N. D. Maltsev

Derzhavin Tambov State University

Author for correspondence.
Email: nw23nik@yandex.ru
ORCID iD: 0000-0003-0628-2486

Post-Graduate Student, Assistant of Journalism, Advertising and Public Relations Department

33 Internatsionalnaya St., Tambov, 392000, Russian Federation

References

  1. Zashikhina I.M. Scientific article writing: will ChatGPT help? Vysshee obrazovanie v Rossii = Higher Education in Russia, 2023, vol. 32, no. 8-9, pp. 24-47. (In Russ.) https://doi.org/10.31992/0869-3617-2023-32-8-9-24-47, https://elibrary.ru/jpfyuj
  2. O’Leary D. GOOGLE’S Duplex: Pretending to be human. Intelligent Systems in Accounting, Finance and Man-agement, 2019, vol. 26, issue 1, pp. 46-53. https://doi.org/10.1002/isaf.1443
  3. Jones C., Bergen B. Does GPT-4 Pass the Turing Test? arXiv, 2023, pp. 1-25. https://doi.org/10.48550/arXiv.2310.20216
  4. Kulakov A.S. About intellectual rights to the result of neural network activity. Skif. Voprosy studencheskoi nauki = Sciff. Questions of Students Science, 2023, no. 4 (80), pp. 194-197. (In Russ.) https://elibrary.ru/cfngsd
  5. Annaev G., Annaeva G. Prikladnye vozmozhnosti neironnoy seti [Applications of Neural Network]. Simvol nau-ki: mezhdunarodnyi nauchnyi zhurnal = Symbol of Science: International Scientific Journal, 2023, no. 4-1, pp. 22-24. (In Russ.) https://elibrary.ru/cprxjq
  6. Ermolenko T.V. Classification of errors in the text based on deep learning. Problemy iskusstvennogo intellekta = Problems of Artificial Intelligence, 2019, no. 3 (14), pp. 47-57. (In Russ.) https://elibrary.ru/jaesss
  7. Kurganova E.B. Kommunikatory vs neiroseti: perspektivy i vyzovy [Communicators vs neural networks: pros-pects and challenges]. Sbornik materialov 11 Mezhdunarodnoi nauchno-prakticheskoi konferentsii «Zhurnalistika v epokhu tsifrovykh transformatsii: tsennosti i praktiki» [Proceedings of the 11th International Scientific and Practical Conference “Journalism in the Era of Digital Transformation: Values and Practices”]. Tambov, “Derzhavinskii” Publishing House, 2023, pp. 284-289. (In Russ.)

Supplementary files

Supplementary Files
Action
1. JATS XML


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».