


Science : poser des questions stupides peut rendre l'intelligence artificielle plus intelligente rapidement
Une nouvelle étude de l'Université de Stanford montre que l'intelligence artificielle peut les aider à devenir plus intelligents en leur posant des questions apparemment stupides. Un nouveau système développé par des chercheurs était 118 % plus précis pour répondre à des questions similaires sur Instagram.
Et si quelqu'un vous montrait une photo d'un crocodile et vous demandait si c'était un oiseau ? Vous pourriez rire aux éclats. Une nouvelle étude suggère que cette interaction, qui nous semble idiote, pourrait être la clé pour aider l’intelligence artificielle à apprendre.
Dans l'étude, cette approche a considérablement amélioré la précision de l'intelligence artificielle dans l'interprétation de nouvelles images, ce qui pourrait aider les développeurs d'intelligence artificielle à concevoir plus rapidement des programmes pour tout faire, du diagnostic des maladies au guidage des robots ou d'autres appareils pour naviguer dans leur propre maison. travaux.
1. Laissez l'IA poser des questions de manière proactive et combler les lacunes dans les connaissances
"C'est un travail super cool", a déclaré Natasha Jaques, chercheuse en apprentissage automatique chez Google, mais elle n'a pas été impliquée dans cette étude.
De nombreux systèmes d'intelligence artificielle choisissent une méthode appelée apprentissage automatique pour les rendre plus intelligents. Cette méthode utilise un grand nombre d’ensembles de données pour entraîner l’intelligence artificielle, ce qui nécessite énormément de temps et de travail. Par exemple, le système analyse des milliers d’images de meubles pour permettre à l’IA de déterminer à quoi ressemble une chaise.
Mais même les plus gros ensembles de données présentent des lacunes. Par exemple, l’objet dans l’image pourrait être étiqueté comme une chaise, mais de quoi est-il fait ? Tu peux t'asseoir dessus ? Ces questions ne peuvent pas être connues.
Pour aider les intelligences artificielles à élargir leur compréhension du monde, les chercheurs tentent désormais de développer un programme informatique capable de localiser les lacunes dans les connaissances d'une IA et de comprendre comment les combler en interrogeant des inconnus. L’IA pose aux étrangers des questions qu’elle ne comprend pas et attend des réponses, comme un enfant demandant à ses parents pourquoi le ciel est bleu. L’objectif ultime de cette nouvelle recherche est de permettre à l’intelligence artificielle de répondre correctement à une variété de questions sur des images qu’elle n’a jamais vues auparavant.
Dans des recherches précédentes sur « l’apprentissage actif », l’IA évaluait son propre niveau d’ignorance et demandait plus d’informations. Cette approche oblige généralement les chercheurs à rémunérer des travailleurs en ligne pour fournir ce type d'informations, ce qui les rend quelque peu inévolutives.
Ainsi, dans cette nouvelle étude, des chercheurs de l'Université de Stanford, dirigés par Ranjay Krishna, un chercheur à l'intersection de la vision par ordinateur et de l'interaction homme-machine, ont formé un système d'apprentissage automatique non seulement pour trouver des lacunes dans les connaissances du système, mais aussi pour Apprenez également en posant des questions idiotes à des inconnus telles que : « Quelle est la forme de l'évier ? » pour obtenir les réponses. Par exemple, le système d'apprentissage automatique a demandé : "Quel dessert est sur la photo ?" L'étranger a répondu : "C'est un gâteau à la noix de coco." questions et apprenez en une seule fois. Amélioration de la précision de 118 %
Kurt Gray, psychologue social à l'Université de Caroline du Nord à Chapel Hill, a déclaré : "Une chose qui est très importante est de réfléchir au fonctionnement de l'IA. devrait se présenter. Dans ce cas, vous voulez que ce soit comme un enfant, n'est-ce pas ? » Sinon, les gens pourraient penser que vous êtes un troll parce que les questions que vous posez semblent ridicules. Son principal intérêt de recherche est l’interaction humaine avec l’intelligence artificielle, mais il n’a pas participé à ces travaux.
L'équipe a également établi un mécanisme de « récompense » pour ce système. Lorsque l'intelligence artificielle obtiendra des réponses aux questions des commentaires des gens, cela permettra à son tour à l'intelligence artificielle d'ajuster ses opérations internes afin qu'elle puisse traiter efficacement les problèmes associés. à l'avenir. Sur cette base, au fil du temps, l’IA peut en apprendre davantage sur le langage et les normes sociales, se rendant plus intelligente et améliorant sa capacité à poser des questions faciles à répondre et plus significatives.
Ce nouveau type d'intelligence artificielle comporte plusieurs composantes, dont certains réseaux de neurones, des fonctions mathématiques complexes inspirées de la structure du cerveau. "Ils comportent de nombreuses parties... qui doivent toutes fonctionner ensemble", a déclaré Krishna. L'un choisissait une image sur Instagram, comme un coucher de soleil, et le second posait une question sur la photo, par exemple : "Est-ce que cette photo était" prise la nuit?" Le reste de la section extrait des informations des réponses du lecteur et donne un aperçu de ce que contient l'image.
Le rapport de l'équipe, publié hier dans les Actes de la National Academy of Sciences, montre qu'en 8 mois, en posant plus de 200 000 questions sur Instagram, la précision du système à répondre à des questions similaires a augmenté de 118 %. Et un système de comparaison qui publiait des questions sur Instagram mais n'était pas explicitement formé pour améliorer les taux de réponse n'a amélioré sa précision que de 72 %, en partie parce que les gens l'ignoraient plus souvent. 3. L’IA est également déployée ? Prenez l'initiative de demander de l'aide aux humains
Jaques estime que la principale innovation est un système qui récompense les humains pour leurs réponses. "D'un point de vue technique, ce n'est pas fou, mais du point de vue de la recherche, c'est très important. La publication de questions à grande échelle sur Instagram." donne aussi Elle a été impressionnée. Toutes les questions générées par l'IA sont examinées par des humains pour détecter tout contenu offensant avant d'être publiées.
Les chercheurs espèrent que des systèmes comme le leur aideront à terme l'intelligence artificielle à comprendre le bon sens, aideront les robots à interagir activement, amélioreront la capacité des robots de discussion à communiquer avec les gens, etc. Par exemple, l'intelligence artificielle sait qu'une chaise est faite de bois par poser des questions, intégrer l'intelligence artificielle des aspirateurs demandant le chemin pour se rendre à la cuisine, des chatbots discutant avec les gens du service client ou de la météo, et bien plus encore.
Les compétences sociales peuvent également aider l'IA à s'adapter rapidement à de nouvelles situations, a déclaré Jaques. Par exemple, une voiture autonome peut demander de l’aide pour naviguer dans une zone de construction. "Si vous pouvez apprendre efficacement des humains, c'est une compétence très courante."
Conclusion : des questions stupides peuvent conduire l'IA vers une voie plus intelligente
Les gens sont parfois choqués par la capacité d'apprentissage de l'intelligence artificielle, comme le chien Alpha. . Cependant, les performances de l’intelligence artificielle face à des problèmes complexes ne sont pas satisfaisantes et répondent souvent à des questions incorrectes.
Cette nouvelle recherche explore de nouvelles directions en matière d'apprentissage automatique, qui aideront l'intelligence artificielle à comprendre le bon sens et à devenir plus intelligente. Cependant, cette technologie doit encore être vérifiée pour améliorer la capacité de l’intelligence artificielle à résoudre des problèmes complexes.
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

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.

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.

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

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

Selon les informations de ce site Web du 5 juillet, GlobalFoundries a publié un communiqué de presse le 1er juillet de cette année, annonçant l'acquisition de la technologie de nitrure de gallium (GaN) et du portefeuille de propriété intellectuelle de Tagore Technology, dans l'espoir d'élargir sa part de marché dans l'automobile et Internet. des objets et des domaines d'application des centres de données d'intelligence artificielle pour explorer une efficacité plus élevée et de meilleures performances. Alors que des technologies telles que l’intelligence artificielle générative (GenerativeAI) continuent de se développer dans le monde numérique, le nitrure de gallium (GaN) est devenu une solution clé pour une gestion durable et efficace de l’énergie, notamment dans les centres de données. Ce site Web citait l'annonce officielle selon laquelle, lors de cette acquisition, l'équipe d'ingénierie de Tagore Technology rejoindrait GF pour développer davantage la technologie du nitrure de gallium. g
