ΑΚΟΜΗ ΚΑΙ ΤΑ ΜΩΡΑ ΕΞΑΚΟΛΟΥΘΟΥΝ ΝΑ ΕΙΝΑΙ ΠΟΛΥ ΚΑΛΥΤΕΡΑ ΣΤΗ ΜΑΘΗΣΗ ΑΠΟ ΤΑ ΜΟΝΤΕΛΑ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ
Του Τζο Γουίλκινς
«Πρέπει ακόμα να κάψουμε ένα δάσος και να ξύσουμε ολόκληρο το σύνολο όλης της ανθρώπινης γνώσης για να αναδημιουργήσουμε αυτό το ορόσημο που συμβαίνει στα σαλόνια μας κατά τη διάρκεια ενός έτους».
Σε σύγκριση με το υψηλό σημείο αναφοράς της νοημοσύνης σε ανθρώπινο επίπεδο, τα chatbot AI έχουν ακόμη πολύ δρόμο να διανύσουν.
Σίγουρα η βιομηχανία έχει σημειώσει αξιοσημείωτη πρόοδο στην ενίσχυσή τους για τη δημιουργία φαινομενικά ανθρώπινων προτάσεων, αλλά σε μέτρα συλλογισμού και παραγωγικότητας, η τεχνητή νοημοσύνη έχει πολλή δουλειά.
Αλλά πώς τα σημερινά μεγάλα γλωσσικά μοντέλα συγκρίνονται με τους ανθρώπους όταν πρόκειται για την εκμάθηση της ομιλίας; Όχι καλύτερα, αποδεικνύεται.Σε μια ανάλυση της διαδικασίας διδασκαλίας της τεχνητής νοημοσύνης, το MIT Technology Review πήρε συνεντεύξεις από αρκετούς ειδικούς σχετικά με την αποτελεσματικότητα των μεγάλων γλωσσικών μοντέλων.
Αποδεικνύεται ότι ακόμη και τα βρέφη είναι πολύ καλύτεροι μαθητές της ανθρώπινης γλώσσας από τα σημερινά chatbots AI και — αν και μπορεί να μην φαίνεται έτσι για ορισμένους γονείς — πολύ πιο αποτελεσματικά.
Όπως εξήγησε στο MIT ο Michael C. Frank, γνωστικός επιστήμονας στο Πανεπιστήμιο του Στάνφορντ, η «πρόοδος της βιομηχανίας τεχνολογίας πρόσφατα ήταν εκπληκτική».
Ωστόσο, παρά τις προόδους τα τελευταία χρόνια, «πρέπει ακόμα να κάψουμε ένα δάσος και να ξύσουμε ολόκληρο το άθροισμα όλης της ανθρώπινης γνώσης για να αναδημιουργήσουμε αυτό το ορόσημο που συμβαίνει στα σαλόνια μας κατά τη διάρκεια ενός έτους».
Αν και δεν είναι πραγματικά γνωστό γιατί, τα μωρά είναι εξαιρετικά προσαρμοστικά όσον αφορά τη γλώσσα, αντιλαμβάνονται τους γλωσσικούς κανόνες και το λεξιλόγιο σαν μικρά σαρκώδη σφουγγάρια.
Τα LLM, από την άλλη πλευρά, απαιτούν ανεξιχνίαστες ποσότητες γλωσσικών δεδομένων για να φτάσουν σε κάτι παρόμοιο με την επάρκεια, πολύ περισσότερο από τον τυπικό άνθρωπο σας.
«Είναι εντελώς θαυματουργό», είπε ο Φρανκ στο MIT για τον μαθητή της ανθρώπινης γλώσσας. Σημειώνει ότι τα νήπια μπορούν να αρχίσουν να φτύνουν δραματικά ευανάγνωστες προτάσεις αφού καταπιούν περίπου 10 έως 30 εκατομμύρια λέξεις από το περιβάλλον τους.
«Αν εκπαιδεύσετε το GPT-2 σε 30 εκατομμύρια λέξεις, θα έχετε μια γεννήτρια ανοησιών. Δεν παίρνεις παιδί», είπε.Για τη βιομηχανία της τεχνητής νοημοσύνης, αυτή η αναποτελεσματικότητα έχει γίνει ένα σημαντικό καρύδι, τουλάχιστον για τις εταιρείες τεχνολογίας που ελπίζουν να παράγουν ποτέ τεχνητή νοημοσύνη σε ανθρώπινο επίπεδο μέσω κλιμάκωσης γλωσσικών μοντέλων — μια προοπτική που πολλοί ειδικοί της τεχνητής νοημοσύνης λένε ότι είναι αδύνατη.
Περισσότερα για την τεχνητή νοημοσύνη: Οι δάσκαλοι προειδοποιούν ότι οι μαθητές χάνουν την ικανότητα να σκέφτονται καθώς στηρίζονται στην τεχνητή νοημοσύνη για τα πάντα
Τζο Γουίλκινς Ανταποκριτής Είμαι ανταποκριτής τεχνολογίας και εργασίας για το Futurism, όπου ο ρυθμός μου περιλαμβάνει τον ρόλο των αναδυόμενων τεχνολογιών στη διακυβέρνηση, την επιτήρηση και την εργασία.
Δεν υπάρχουν σχόλια:
Δημοσίευση σχολίου