GPT-3を超えて、ディープマインドは新たなお気に入りのガトーを発売したが、「薬を変えずにスープを置き換える」と疑問視された
大規模言語モデリングからインスピレーションを得た Deepmind は、同様のアプローチを適用して、マルチモーダル、マルチタスク、マルチ具体化された単一の「ジェネラリスト」エージェント Gato を構築しました。 (実施形態)は、600を超える異なるタスクを実行できる機能を備えている。この人工知能はおそらく、これまで世界で最も優れたオールインワン機械学習スイートです。
DeepMind は公式ブログで次のように説明しています:
「Gato はマルチモード、マルチタスク、マルチコンポーネントの汎用人工知能です。同じネットワーク条件下で、プレイすることができます」 Ya Dali ゲーム、画像のキャプション、人々とのチャット、ブロックを積み上げるロボット アームの制御など。現在の状況に基づいて、テキストを出力するか、ロボット アームを回転させるか、ボタンを押すか、その他のマークを付けるかを決定します。」
Gato が正確にどのようなパフォーマンスを発揮するかはまだわかりませんが、GPT-3 が達成できると期待できるすべてを超えているようです。
画像出典:DeepMind公式サイト
Gatoは本当にGPT-3を超えるのか?
GPT-3 は、資金豊富な人工汎用知能 (AGI) 企業である OpenAI によって作成された大規模言語モデル (LLM) です。マイクロソフトから数十億ドルの支援を受けているだけでなく、米国政府の規制により基本的には何でもできるようになっています。
同社が焦点を当てている汎用人工知能 (AGI) は、人間の知能を持ち、人間が実行できるあらゆる知的タスクを実行できる人工知能の一種です。一部の研究者は、一般的な人工知能を強力な AI (強力な AI) または完全な AI (完全な AI) と呼び、あるいは機械が一般的な知的動作を実行する能力を備えていると呼びます。弱い AI と比較して、強い AI は人間のあらゆる認知能力を備えています。
元々、OpenAI の使命は AGI を開発して制御することでしたが、実際には、同社が作成できたものはすべて非常に派手な LLM であり、その「当初の意図」とは多少異なりました。
GPT-3 は DeepMind の Gato と同等に優れていますが、GPT-3 を評価する一般の基準には若干のニュアンスが必要です。
OpenAI は AGI への道において LLM ルートを選択しているため、理由は単純です。誰も AGI を機能させる方法を知らないからです。 「火の発見」から「内燃エンジンの発明」までに長い時間がかかったのと同じように、ディープラーニングから AGI に移行する方法を見つけるのも一夜にして成ったわけではありません。それでも、GPT-3 はテキストの生成など、人間と同じようにいくつかのことを実行できます。
「汎用人工知能」を自称するGatoは、GPT-3とほぼ同じことを行う。 LLM と非常によく似た機能を、600 以上のトリックを実行できる「マジシャン」に統合するだけです。重要なのは、単一のシーケンス モデルを使用してすべてのタスクを解決することですが、トレーニング データの量と多様性を増やす必要があります。
複数のタスクを実行できる Gato の機能は、600 通りの異なる方法でプレイできるゲームというよりは、600 の異なるゲームを保存できるコンソールに似ています。これは、序文で述べられているような一般的な人工知能ではなく、事前にトレーニングされた狭いモデルがきちんと束ねられたもので構成されています。
画像出典: DeepMind 公式ウェブサイト
ナイフとペイントブラシ研究グループのマイク クック氏が最近 TechCrunch のカイル ウィガーズ氏に語ったとおり:
#「Gato のような AI が、これらの全く異なって聞こえるタスクをすべて実行できるのは興味深いことです。なぜなら、私たちにとって、テキストを書くこととロボットを制御することは、非常に異なって聞こえるからです。しかし、実際には、これはそれほど違いはありません。 GPT-3 からは、通常の英語のテキストと Python コードを理解できます。これは実装が簡単というわけではありませんが、外部の観察者にとっては、お茶を淹れたり、その他の 10 ~ 50 個の言語を簡単に学習したりできる AI のように聞こえるかもしれません。つまり、Gato と GPT-3 はどちらも強力な人工知能システムですが、一般的な機能はありません。知能。 AGI 時代はいつ到来するのでしょうか? DeepMind は 10 年以上にわたって AGI の方向に開発を進めており、OpenAI は 2015 年に開始されました。しかし、どちらも、AGI への道のりにおける最初の問題、つまりトレーニングなしで新しいことを学習できる AI の構築を解決するものではありません。 AGI の出現が幸運の結果であると賭けない限り、AGI の分野におけるこれらの企業の進歩を再評価する時期が来ています。
おそらく、Gato は世界で最も先進的なマルチモーダル人工知能システムである可能性があります。しかし、DeepMind は、AGI を OpenAI と同様に行き止まりにするという同じ概念を採用し、それをより市場性の高いものにしているだけです。
Gato は、Alexa、Siri、Google アシスタントよりもマーケティングを通じて消費者市場でより大きな注目を集めることができるかもしれません。ただし、Gato と GPT-3 は、前述の仮想アシスタントほど AGI への有効なエントリ ポイントではありません。
これがあなたが探しているタイプの AI である場合、それは悪いことではありません。しかし、ガトーの添付研究論文には、AGI への足がかりどころか、AGI の正しい方向に進んでいるという証拠はまったくありません。
以上がGPT-3を超えて、ディープマインドは新たなお気に入りのガトーを発売したが、「薬を変えずにスープを置き換える」と疑問視されたの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









vue.jsのオブジェクトに文字列を変換する場合、標準のjson文字列にはjson.parse()が推奨されます。非標準のJSON文字列の場合、文字列は正規表現を使用して処理し、フォーマットまたはデコードされたURLエンコードに従ってメソッドを削減できます。文字列形式に従って適切な方法を選択し、バグを避けるためにセキュリティとエンコードの問題に注意してください。

リモートシニアバックエンジニアの求人事業者:サークル場所:リモートオフィスジョブタイプ:フルタイム給与:$ 130,000- $ 140,000職務記述書サークルモバイルアプリケーションとパブリックAPI関連機能の研究開発に参加します。ソフトウェア開発ライフサイクル全体をカバーします。主な責任は、RubyonRailsに基づいて独立して開発作業を完了し、React/Redux/Relay Front-Endチームと協力しています。 Webアプリケーションのコア機能と改善を構築し、機能設計プロセス全体でデザイナーとリーダーシップと緊密に連携します。肯定的な開発プロセスを促進し、反復速度を優先します。 6年以上の複雑なWebアプリケーションバックエンドが必要です

概要:Vue.js文字列配列をオブジェクト配列に変換するための次の方法があります。基本方法:定期的なフォーマットデータに合わせてマップ関数を使用します。高度なゲームプレイ:正規表現を使用すると、複雑な形式を処理できますが、慎重に記述して考慮する必要があります。パフォーマンスの最適化:大量のデータを考慮すると、非同期操作または効率的なデータ処理ライブラリを使用できます。ベストプラクティス:コードスタイルをクリアし、意味のある変数名とコメントを使用して、コードを簡潔に保ちます。

700万のレコードを効率的に処理し、地理空間技術を使用したインタラクティブマップを作成します。この記事では、LaravelとMySQLを使用して700万を超えるレコードを効率的に処理し、それらをインタラクティブなマップの視覚化に変換する方法について説明します。最初の課題プロジェクトの要件:MySQLデータベースに700万のレコードを使用して貴重な洞察を抽出します。多くの人は最初に言語をプログラミングすることを検討しますが、データベース自体を無視します。ニーズを満たすことができますか?データ移行または構造調整は必要ですか? MySQLはこのような大きなデータ負荷に耐えることができますか?予備分析:キーフィルターとプロパティを特定する必要があります。分析後、ソリューションに関連している属性はわずかであることがわかりました。フィルターの実現可能性を確認し、検索を最適化するためにいくつかの制限を設定しました。都市に基づくマップ検索

MySQLパフォーマンスの最適化は、インストール構成、インデックス作成、クエリの最適化、監視、チューニングの3つの側面から開始する必要があります。 1。インストール後、INNODB_BUFFER_POOL_SIZEパラメーターやclose query_cache_sizeなど、サーバーの構成に従ってmy.cnfファイルを調整する必要があります。 2。過度のインデックスを回避するための適切なインデックスを作成し、説明コマンドを使用して実行計画を分析するなど、クエリステートメントを最適化します。 3. MySQL独自の監視ツール(ShowProcessList、ShowStatus)を使用して、データベースの健康を監視し、定期的にデータベースをバックアップして整理します。これらの手順を継続的に最適化することによってのみ、MySQLデータベースのパフォーマンスを改善できます。

この記事では、MySQLデータベースの操作を紹介します。まず、MySQLWorkBenchやコマンドラインクライアントなど、MySQLクライアントをインストールする必要があります。 1. mysql-uroot-pコマンドを使用してサーバーに接続し、ルートアカウントパスワードでログインします。 2。CreatedAtaBaseを使用してデータベースを作成し、データベースを選択します。 3. createTableを使用してテーブルを作成し、フィールドとデータ型を定義します。 4. INSERTINTOを使用してデータを挿入し、データをクエリし、更新することでデータを更新し、削除してデータを削除します。これらの手順を習得することによってのみ、一般的な問題に対処することを学び、データベースのパフォーマンスを最適化することでMySQLを効率的に使用できます。

VueとElement-UIカスケードドロップダウンボックスv-Modelバインディング共通ピットポイント:V-Modelは、文字列ではなく、カスケード選択ボックスの各レベルで選択した値を表す配列をバインドします。 SelectedOptionsの初期値は、nullまたは未定義ではなく、空の配列でなければなりません。データの動的読み込みには、非同期でデータの更新を処理するために非同期プログラミングスキルを使用する必要があります。膨大なデータセットの場合、仮想スクロールや怠zyな読み込みなどのパフォーマンス最適化手法を考慮する必要があります。

MySQLの起動が失敗する理由はたくさんあり、エラーログをチェックすることで診断できます。一般的な原因には、ポートの競合(ポート占有率をチェックして構成の変更)、許可の問題(ユーザー許可を実行するサービスを確認)、構成ファイルエラー(パラメーター設定のチェック)、データディレクトリの破損(テーブルスペースの復元)、INNODBテーブルスペースの問題(IBDATA1ファイルのチェック)、プラグインロード障害(エラーログのチェック)が含まれます。問題を解決するときは、エラーログに基づいてそれらを分析し、問題の根本原因を見つけ、問題を防ぐために定期的にデータをバックアップする習慣を開発する必要があります。
