Talaan ng Nilalaman
- Ang Babala ng Pagkabulok sa Generatibong AI
- Ang Pagbagsak ng Modelo: Isang Degeneratibong Phenomenon
- Ang Hirap ng Interbensyong Pantao
- Isang Hindi Tiyak na Kinabukasan: Mga Hamon at Posibleng Solusyon
Ang Babala ng Pagkabulok sa Generatibong AI
Kamakailang mga pag-aaral ang nagbigay ng babala tungkol sa isang nakakabahalang phenomenon sa pag-unlad ng generatibong artificial intelligence: ang pagkabulok ng kalidad ng mga sagot.
Itinuro ng mga eksperto na kapag ang mga sistemang ito ay sinanay gamit ang mga synthetic na datos, ibig sabihin, nilalaman na ginawa ng ibang AI, maaari silang mahulog sa isang siklo ng pagkasira na nagreresulta sa mga sagot na walang kabuluhan at walang saysay.
Ang tanong ay: paano nangyayari ito at ano ang mga hakbang na maaaring gawin upang maiwasan ito?
Ang Pagbagsak ng Modelo: Isang Degeneratibong Phenomenon
Ang "pagbagsak ng modelo" ay tumutukoy sa isang proseso kung saan ang mga sistema ng AI ay nahuhuli sa isang siklo ng pagsasanay gamit ang mababang kalidad na datos, na nagreresulta sa pagkawala ng pagkakaiba-iba at bisa.
Ayon kay Ilia Shumailov, coauthor ng isang pag-aaral na inilathala sa Nature, nangyayari ang phenomenon na ito kapag nagsimulang pakainin ng AI ang sarili nitong mga output, na nagpapatuloy ng mga bias at nagpapababa ng kapakinabangan nito. Sa pangmatagalan, maaaring magdulot ito na ang modelo ay gumawa ng nilalamang mas homogenous at hindi gaanong tumpak, parang isang echo ng sarili nitong mga sagot.
Ipinaliwanag ni Emily Wenger, propesor ng engineering sa Duke University, ang problemang ito gamit ang isang simpleng halimbawa: kung ang AI ay sinanay upang gumawa ng mga larawan ng aso, malamang na ulitin nito ang mga pinakakaraniwang lahi, na iniiwan ang mga hindi gaanong kilala.
Hindi lamang ito repleksyon ng kalidad ng datos, kundi nagdudulot din ito ng makabuluhang panganib para sa representasyon ng mga minorya sa mga training dataset.
Basa rin: Ang artipisyal na intelihensiya ay lalong nagiging matalino habang ang mga tao ay lalong nagiging hangal.
Ang Hirap ng Interbensyong Pantao
Sa kabila ng kalubhaan ng sitwasyon, hindi madali ang solusyon. Sinabi ni Shumailov na hindi pa malinaw kung paano maiiwasan ang pagbagsak ng modelo, bagaman may ebidensiya na ang paghahalo ng totoong datos at synthetic ay maaaring magpabawas sa epekto.
Gayunpaman, nangangahulugan din ito ng pagtaas sa gastos sa pagsasanay at mas malaking kahirapan sa pag-access sa kumpletong mga dataset.
Ang kakulangan ng malinaw na pamamaraan para sa interbensyong pantao ay nag-iiwan sa mga developer sa isang dilemma: kaya ba talagang kontrolin ng tao ang hinaharap ng generatibong AI?
Binalaan ni Fredi Vivas, CEO ng RockingData, na ang labis na pagsasanay gamit ang synthetic na datos ay maaaring lumikha ng isang "echo chamber effect," kung saan natututo ang AI mula sa sarili nitong mga kamalian, lalo pang nagpapababa sa kakayahan nitong gumawa ng tumpak at magkakaibang nilalaman. Kaya naman, ang tanong kung paano matitiyak ang kalidad at kapakinabangan ng mga modelo ng AI ay nagiging mas mahalaga.
Isang Hindi Tiyak na Kinabukasan: Mga Hamon at Posibleng Solusyon
Nagkakasundo ang mga eksperto na hindi likas na masama ang paggamit ng synthetic na datos, ngunit nangangailangan ito ng responsableng pamamahala. Ang mga panukala tulad ng pagpapatupad ng watermark sa mga generated na datos ay maaaring makatulong upang matukoy at ma-filter ang synthetic na nilalaman, kaya't masisiguro ang kalidad sa pagsasanay ng mga modelo ng AI.
Gayunpaman, nakasalalay ang bisa ng mga hakbang na ito sa kooperasyon sa pagitan ng malalaking kumpanya sa teknolohiya at mga developer ng mas maliliit na modelo.
Nasa alanganin ang kinabukasan ng generatibong AI, at ang komunidad siyentipiko ay nasa karera laban sa oras upang makahanap ng solusyon bago sumabog ang bula ng synthetic na nilalaman.
Ang susi ay ang pagtatatag ng matibay na mekanismo upang matiyak na mananatiling kapaki-pakinabang at tumpak ang mga modelo ng AI, upang maiwasan ang pagbagsak na kinatatakutan ng marami.
Mag-subscribe sa libreng lingguhang horoscope
Aquarius Aries Birhen Capricorn Gemini Kanser Leo Libra Pisces Sagittarius Scorpio Taurus