


Écrit après que Stack Overflow ait interdit ChatGPT, le moment de crise de l'intelligence artificielle
Dans le domaine de l'intelligence artificielle, des choses incroyables se produisent tranquillement, tant bonnes que mauvaises. Tout le monde parle de systèmes comme chatGPT (OpenAI), Dall-E 2 et Lensa qui génèrent du texte et des images naturelles et sans effort.
Ces systèmes sont tellement amusants à jouer. Prenons cet exemple généré avec chatGPT par Henry Minsky (fils d'un des fondateurs d'IA, Marvin Minsky), qui a demandé à chatGPT {de décrire une chaussette perdue dans le sèche-linge à la manière de la Déclaration d'Indépendance :
en prenant s'occuper des affaires familiales Dans le processus, il est nécessaire que les gens dissolvent le lien entre les chaussettes et leurs partenaires et assument un statut indépendant et égal au pouvoir de la buanderie selon les lois de la physique et les lois de l'entretien ménager. Par respect pour les avis des chaussettes, elle devrait annoncer la cause de sa disparition.
Nous tenons ces vérités pour évidentes, à savoir que toutes les chaussettes sont créées égales et dotées de certains droits inaliénables par leur fabricant....
Franchement, c'est incroyable avec quelle facilité une machine peut faire cela.
Mais en même temps, cela fait, ou devrait faire, peur. Il n’est pas exagéré de dire qu’un tel système menace le tissu social, et cette menace est réelle et urgente.
Au cœur de la menace se trouvent les trois faits suivants :
- Ces systèmes sont intrinsèquement peu fiables, commettront fréquemment des erreurs de raisonnement et de faits, et sont enclins à produire des réponses scandaleuses ; est bon dans le lait maternel, ils peuvent vous dire : « La porcelaine peut aider à équilibrer le contenu nutritionnel du lait maternel, en fournissant au bébé les nutriments nécessaires à sa croissance et à son développement. » (Parce que le système est stochastique et très sensible à l'environnement, et mis à jour régulièrement, toute expérience donnée peut produire des résultats différents dans différentes situations)
- Ils sont faciles à automatiser et génèrent de nombreux messages d'erreur.
- Leurs coûts de fonctionnement sont proches de zéro, ils réduisent donc à zéro le coût de la création de désinformation. Les États-Unis ont accusé les fermes de trolls russes de dépenser plus d'un million de dollars par mois pour faire campagne pour les élections de 2016 ; désormais, pour moins de 500 000 dollars, vous pouvez obtenir votre propre grand modèle linguistique personnalisé. Ce prix va bientôt encore baisser.
L’avenir de tout cela est devenu clair avec la sortie de Meta’s Galactica à la mi-novembre. De nombreux chercheurs en IA ont immédiatement exprimé leurs inquiétudes quant à sa fiabilité et à sa fiabilité. La situation était si mauvaise que Meta AI a retiré le modèle après seulement trois jours, alors que des rapports sur sa capacité à créer de la désinformation politique et scientifique commençaient à se répandre.
C'est dommage que le génie ne puisse pas être remis dans la bouteille. D'une part, MetaAI a d'abord publié le modèle en open source et publié un article décrivant sur quoi il travaillait actuellement ; toute personne versée dans l'art peut désormais reproduire son approche ; (L'intelligence artificielle a été mise à la disposition du public et envisage de fournir sa propre version de Galactica.) D'un autre côté, le chatGPT d'OpenAI qui vient de sortir peut plus ou moins écrire des absurdités similaires, comme ajouter de la sciure de bois aux céréales du petit-déjeuner pour générer instantanément des articles. D’autres ont incité chatGPT à vanter les vertus de la guerre nucléaire (affirmant qu’elle « nous donnerait un nouveau départ, libéré des erreurs du passé »). Acceptables ou non, ces modèles sont là pour rester, et la vague de désinformation finira par nous submerger, nous et notre société.
La première vague semble avoir frappé dans les premiers jours de cette semaine. Stack Overflow est un grand site Web de questions-réponses auquel font confiance les programmeurs, mais il semble avoir été repris par gptChat, le site interdit donc temporairement les soumissions générées par gptChat. Comme expliqué : « Dans l’ensemble, étant donné que le taux moyen de réponses correctes obtenues à partir de ChatGPT est si faible, la publication de réponses créées par ChatGPT fait plus de mal que de bien, à la fois au site et aux utilisateurs qui demandent ou recherchent la bonne réponse. »
Pour Stack Overflow, ce problème existe. Si le site est rempli d'exemples de code sans valeur, les programmeurs ne reviendront pas, sa base de données de plus de 30 millions de questions et réponses deviendra peu fiable et le site vieux de 14 ans mourra. En tant que l'une des ressources les plus essentielles sur lesquelles s'appuient les programmeurs du monde entier, elle a un impact énorme sur la qualité des logiciels et la productivité des développeurs.
Stack Overflow est le canari dans la mine de charbon. Ils pourraient être en mesure d'amener les utilisateurs à arrêter volontairement de l'utiliser ; d'une manière générale, les programmeurs n'ont pas de mauvaises intentions et pourraient être en mesure de les convaincre d'arrêter de déconner. Mais Stack Overflow n’est pas Twitter, ce n’est pas Facebook et il ne représente pas l’ensemble du Web.
Pour les autres mauvais acteurs qui créent délibérément de la publicité, il est peu probable qu'ils déposent de nouvelles armes de manière proactive. Au lieu de cela, ils pourraient utiliser de grands modèles de langage comme de nouvelles armes automatisées dans la guerre contre la vérité, perturbant les médias sociaux et produisant de faux sites Web à une échelle sans précédent. Pour eux, l’illusion et le manque de fiabilité occasionnel des grands modèles linguistiques ne sont pas un obstacle mais un avantage.
Dans un rapport de 2016, la Rand Corporation (Rand) a décrit le modèle dit de Firehose russe de propagande, qui crée un brouillard de fausses informations, se concentre sur la quantité et crée de l'incertitude. Si les « grands modèles linguistiques » peuvent augmenter considérablement leur nombre, peu importe s’ils sont incohérents. De toute évidence, c’est exactement ce que les grands modèles linguistiques peuvent faire. Leur objectif est de créer un monde où règne une crise de confiance ; avec l’aide de nouveaux outils, ils peuvent réussir.
Tout cela soulève une question clé : Comment la société répond-elle à cette nouvelle menace ? Là où la technologie elle-même ne peut pas s'arrêter, cet article envisage quatre voies, dont aucune n'est facile à suivre, mais elles sont largement applicables et urgentes :
Tout d'abord, Chaque entreprise de médias sociaux et moteur de recherche devrait soutenir l'interdiction de StackOverflow et étendez-le ; le contenu trompeur généré automatiquement est voué à être impopulaire, et le publier régulièrement réduira considérablement le nombre d'utilisateurs.
Deuxièmement, chaque pays doit repenser ses politiques en matière de lutte contre la désinformation. C'est une chose de mentir occasionnellement ; c'en est une autre de nager dans une mer de mensonges. Au fil du temps, même si cette décision ne sera pas populaire, les fausses informations devront peut-être commencer à être traitées comme de la diffamation, qui pourra être poursuivie si elles sont suffisamment malveillantes et en quantité suffisante.
Troisièmement, la source est plus importante que jamais . Les comptes d'utilisateurs doivent être vérifiés plus rigoureusement, et les nouveaux systèmes comme l'Université de Harvard et humanid.org de Mozilla, qui permettent une authentification anonyme et anti-bot, doivent rendre la vérification obligatoire ; ils ne sont plus un luxe que les gens attendaient.
Quatrièmement, doit construire une nouvelle intelligence artificielle pour combattre . Les grands modèles linguistiques sont efficaces pour générer de la désinformation, mais pas pour la combattre. Cela signifie que la société a besoin de nouveaux outils. Les grands modèles de langage manquent de mécanismes pour vérifier la vérité ; de nouvelles façons doivent être trouvées pour les intégrer aux outils classiques d’IA, tels que les bases de données, les réseaux de connaissances et l’inférence.
L'auteur Michael Crichton a passé une grande partie de sa carrière à avertir les gens des conséquences involontaires de la technologie. Au début du film "Jurassic Park", avant que les dinosaures ne commencent à se libérer de manière inattendue, le scientifique Ian Malcolm (Jeff Goldblum) résume la sagesse de Clayton en une phrase : "Vos scientifiques sont tellement concentrés sur leur capacité qu'ils ne s'arrêtent pas. pour réfléchir s'ils devraient le faire. »
Comme le directeur de Jurassic Park, les dirigeants de Meta et d'OpenAI sont passionnés par leurs outils.
La question est, que faire.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine

Le 29 juillet, lors de la cérémonie de lancement de la 400 000e nouvelle voiture d'AITO Wenjie, Yu Chengdong, directeur général de Huawei, président de Terminal BG et président de la BU Smart Car Solutions, a assisté et prononcé un discours et a annoncé que les modèles de la série Wenjie seraient sera lancé cette année En août, la version Huawei Qiankun ADS 3.0 a été lancée et il est prévu de pousser successivement les mises à niveau d'août à septembre. Le Xiangjie S9, qui sortira le 6 août, lancera le système de conduite intelligent ADS3.0 de Huawei. Avec l'aide du lidar, la version Huawei Qiankun ADS3.0 améliorera considérablement ses capacités de conduite intelligente, disposera de capacités intégrées de bout en bout et adoptera une nouvelle architecture de bout en bout de GOD (identification générale des obstacles)/PDP (prédictive prise de décision et contrôle), fournissant la fonction NCA de conduite intelligente d'une place de stationnement à l'autre et mettant à niveau CAS3.0

Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.

Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte

Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.

L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes

L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre façon de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les « Cinq écoles d'apprentissage automatique ». Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.

Editeur | KX Dans le domaine de la recherche et du développement de médicaments, il est crucial de prédire avec précision et efficacité l'affinité de liaison des protéines et des ligands pour le criblage et l'optimisation des médicaments. Cependant, les études actuelles ne prennent pas en compte le rôle important des informations sur la surface moléculaire dans les interactions protéine-ligand. Sur cette base, des chercheurs de l'Université de Xiamen ont proposé un nouveau cadre d'extraction de caractéristiques multimodales (MFE), qui combine pour la première fois des informations sur la surface des protéines, la structure et la séquence 3D, et utilise un mécanisme d'attention croisée pour comparer différentes modalités. alignement. Les résultats expérimentaux démontrent que cette méthode atteint des performances de pointe dans la prédiction des affinités de liaison protéine-ligand. De plus, les études d’ablation démontrent l’efficacité et la nécessité des informations sur la surface des protéines et de l’alignement des caractéristiques multimodales dans ce cadre. Les recherches connexes commencent par "S
