科学: 愚かな質問をすれば、人工知能はすぐに賢くなる可能性がある
スタンフォード大学の新しい研究は、人工知能が一見愚かな質問をすることで人間をより賢くするのに役立つことを示しています。研究者によって開発された新しいシステムは、Instagram での同様の質問に対する回答の精度が 118% 向上しました。
誰かがあなたにワニの写真を見せて、それは鳥ですか?と尋ねたらどうしますか?大声で笑ってしまうかもしれません。新しい研究は、私たちにとって愚かに見えるこの相互作用が、人工知能の学習を助ける鍵である可能性を示唆しています。
研究では、この方法により、新しい画像を解釈する人工知能の精度が大幅に向上しました。これにより、人工知能開発者は、病気の診断からロボットやその他の動作する機器の誘導に至るまで、あらゆるものを完了するためのプログラムをより迅速に設計できるようになります。一人で家の周りを歩き回ります。
1. AI に率先して質問し、知識のギャップを埋めてもらいましょう
「これはとても素晴らしい仕事です!」と Google 機械学習研究者の Natasha Jaques 氏は述べています。 、しかし彼女はこの研究には参加しませんでした。
多くの人工知能システムは、より賢くするために機械学習と呼ばれる方法を選択します。この手法では大量のデータセットを使用して人工知能を訓練するため、膨大な時間と労力がかかります。たとえば、このシステムは何千もの家具の画像を分析し、AI が椅子の外観を見つけられるようにします。
しかし、巨大なデータセットにもギャップはあります。たとえば、画像内のオブジェクトは椅子としてラベル付けできますが、それは何でできているのでしょうか?そこに座ってもらえますか?これらの疑問は知ることができません。
人工知能が世界についての理解を広げるのを助けるために、研究者たちは現在、AI の知識のギャップを特定し、見知らぬ人に知識の方法を尋ねることによってそのギャップを埋める方法を見つけることができるコンピューター プログラムの開発を試みています。 。 AIは、子供が両親に空が青い理由を尋ねるように、理解できない質問を見知らぬ人に尋ね、答えを期待します。新しい研究の最終目標は、人工知能がこれまで見たことのない画像に関するさまざまな質問に正しく答えられるようにすることです。
「アクティブ ラーニング」に関するこれまでの研究では、人工知能は自身の無知レベルを評価し、さらなる情報を求めました。このアプローチでは通常、研究者がこの種の情報を提供するオンライン作業員に報酬を支払う必要があるため、拡張性がやや低くなります。
つまり、この新しい研究では、コンピュータ ビジョンと人間とコンピュータのインタラクションの接点にある学者、ランジェイ クリシュナ率いるスタンフォード大学の研究者らが、機械学習システムを訓練しました。システムの知識を身につけ、見知らぬ人に「シンクの形は何ですか?」などの愚かな質問をして答えを得ることで学びます。たとえば、機械学習システムが「写真に写っているデザートは何ですか?」と尋ねると、見知らぬ人は「ココナッツ ケーキです」と答えました。
▲機械学習システムの例問い合わせ
2. 写真を投稿し、質問し、一度に学習すると、正答率が 118% 増加します。
Kurt Gray 氏、大学の社会心理学者ノースカロライナ州のチャペルヒルで、「非常に重要なステップは、AIが自分自身をどのように表現すべきかを考えることだ。この場合、AIを子供のように見せたいと思うだろう?」 そうでなければ、あなたの質問がばかげているように見えるので、人々はあなたを荒らしだと思うかもしれません。彼の主な研究対象は人間と人工知能の相互作用ですが、この研究には関与していませんでした。
チームはまた、このシステムの「報酬」メカニズムも確立しました。人工知能が人々のフィードバックの質問に対する回答を取得すると、人工知能は内部動作を調整できるようになります。関連する問題に効果的に対応します。これに基づいて、AI は時間の経過とともに言語と社会規範についてさらに学習し、より賢くなり、答えやすく、より意味のある質問をする能力を向上させることができます。
この新しいタイプの人工知能には、いくつかのニューラル ネットワークや脳の構造にヒントを得た複雑な数学関数など、いくつかのコンポーネントが含まれています。 「それらには多くの部分があり…それらすべてが連携する必要があります。」とクリシュナさんは言いました。1人はインスタグラム上の夕日などの画像を選択し、2人目はその写真について、たとえば「この写真は何でしたか?」と質問します。夜に撮影したのですか?」セクションの残りの部分では、読者の回答から情報を抽出し、画像に含まれる内容についての洞察を提供します。
昨日米国科学アカデミー紀要に掲載されたチームの報告書によると、システムは 8 か月間にわたり、Instagram 上で 200,000 件以上の質問をすることで同様の質問に回答したことが示されています。率は118%増加しました。また、Instagram に質問を投稿したものの、回答率を向上させるための明確なトレーニングを受けていない比較システムでは、精度が 72% 向上しただけでした。その理由の 1 つは、人々が質問を無視することが多かったためです。 3.AIも巻き込み?率先して人間に助けを求めましょう
ジャックス氏は、主なイノベーションは人間の回答に報酬を与えるシステムだと考えており、「技術的な観点からはおかしなことではないが、研究の方向性という観点からは非常に重要だ」としている。それは彼女にも深い印象を残しました。 AI が生成したすべての質問は、投稿される前に人間によって不快な内容がないかレビューされます。
研究者らは、彼らのようなシステムが最終的には人工知能が常識を理解し、ロボットが積極的に対話するのを助け、チャットボットが人々とコミュニケーションする能力を強化することを期待しています。たとえば、人工知能は椅子が椅子であることを認識します。 AI が組み込まれた掃除機はキッチンへの道順を尋ね、チャットボットは顧客サービスや天気などについて人々に話しかけます。
ソーシャル スキルは、AI が新しい状況に迅速に適応するのにも役立ちます、と Jaques 氏は言います。たとえば、自動運転車が工事現場を移動する際に助けを求めるかもしれません。 「人間から効果的に学ぶことができれば、それは非常に一般的なスキルです。」
結論: 愚かな質問は AI の賢さの向上につながる可能性がある
人々は時々ショックを受けることがあります。 AlphaGo などの人工知能の学習能力。しかし、複雑な問題に直面したときの人工知能のパフォーマンスは満足のいくものではなく、間違った質問に答えてしまうことがよくあります。
この新しい研究は、人工知能が常識を理解し、より賢くなるのに役立つ機械学習の新しい方向性を探ります。ただし、複雑な問題に対処する人工知能の能力を向上させるには、このテクノロジーをまだ検証する必要があります。
以上が科学: 愚かな質問をすれば、人工知能はすぐに賢くなる可能性があるの詳細内容です。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









このサイトは6月27日、JianyingはByteDanceの子会社であるFaceMeng Technologyによって開発されたビデオ編集ソフトウェアであり、Douyinプラットフォームに依存しており、基本的にプラットフォームのユーザー向けに短いビデオコンテンツを作成すると報告しました。 Windows、MacOS、その他のオペレーティング システム。 Jianyingは会員システムのアップグレードを正式に発表し、インテリジェント翻訳、インテリジェントハイライト、インテリジェントパッケージング、デジタルヒューマン合成などのさまざまなAIブラックテクノロジーを含む新しいSVIPを開始しました。価格的には、クリッピングSVIPの月額料金は79元、年会費は599元(当サイト注:月額49.9元に相当)、継続月額サブスクリプションは月額59元、継続年間サブスクリプションは、年間499元(月額41.6元に相当)です。さらに、カット担当者は、ユーザーエクスペリエンスを向上させるために、オリジナルのVIPに登録している人は、

検索強化生成およびセマンティック メモリを AI コーディング アシスタントに組み込むことで、開発者の生産性、効率、精度を向上させます。 JanakiramMSV 著者の EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG から翻訳。基本的な AI プログラミング アシスタントは当然役に立ちますが、ソフトウェア言語とソフトウェア作成の最も一般的なパターンに関する一般的な理解に依存しているため、最も適切で正しいコードの提案を提供できないことがよくあります。これらのコーディング アシスタントによって生成されたコードは、彼らが解決する責任を負っている問題の解決には適していますが、多くの場合、個々のチームのコーディング標準、規約、スタイルには準拠していません。これにより、コードがアプリケーションに受け入れられるように修正または調整する必要がある提案が得られることがよくあります。

大規模言語モデル (LLM) は巨大なテキスト データベースでトレーニングされ、そこで大量の現実世界の知識を取得します。この知識はパラメータに組み込まれており、必要なときに使用できます。これらのモデルの知識は、トレーニングの終了時に「具体化」されます。事前トレーニングの終了時に、モデルは実際に学習を停止します。モデルを調整または微調整して、この知識を活用し、ユーザーの質問により自然に応答する方法を学びます。ただし、モデルの知識だけでは不十分な場合があり、モデルは RAG を通じて外部コンテンツにアクセスできますが、微調整を通じてモデルを新しいドメインに適応させることが有益であると考えられます。この微調整は、ヒューマン アノテーターまたは他の LLM 作成物からの入力を使用して実行され、モデルは追加の実世界の知識に遭遇し、それを統合します。

AIGC について詳しくは、51CTOAI.x コミュニティ https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou を参照してください。これらの質問は、インターネット上のどこでも見られる従来の質問バンクとは異なります。既成概念にとらわれずに考える必要があります。大規模言語モデル (LLM) は、データ サイエンス、生成人工知能 (GenAI)、および人工知能の分野でますます重要になっています。これらの複雑なアルゴリズムは人間のスキルを向上させ、多くの業界で効率とイノベーションを推進し、企業が競争力を維持するための鍵となります。 LLM は、自然言語処理、テキスト生成、音声認識、推奨システムなどの分野で幅広い用途に使用できます。 LLM は大量のデータから学習することでテキストを生成できます。

編集者 |ScienceAI 質問応答 (QA) データセットは、自然言語処理 (NLP) 研究を促進する上で重要な役割を果たします。高品質の QA データ セットは、モデルの微調整に使用できるだけでなく、大規模言語モデル (LLM) の機能、特に科学的知識を理解し推論する能力を効果的に評価することもできます。現在、医学、化学、生物学、その他の分野をカバーする多くの科学 QA データ セットがありますが、これらのデータ セットにはまだいくつかの欠点があります。まず、データ形式は比較的単純で、そのほとんどが多肢選択式の質問であり、評価は簡単ですが、モデルの回答選択範囲が制限され、科学的な質問に回答するモデルの能力を完全にテストすることはできません。対照的に、自由回答型の Q&A

機械学習は人工知能の重要な分野であり、明示的にプログラムしなくてもコンピューターにデータから学習して能力を向上させる機能を提供します。機械学習は、画像認識や自然言語処理から、レコメンデーションシステムや不正行為検出に至るまで、さまざまな分野で幅広く応用されており、私たちの生活様式を変えつつあります。機械学習の分野にはさまざまな手法や理論があり、その中で最も影響力のある 5 つの手法は「機械学習の 5 つの流派」と呼ばれています。 5 つの主要な学派は、象徴学派、コネクショニスト学派、進化学派、ベイジアン学派、およびアナロジー学派です。 1. 象徴主義は、象徴主義とも呼ばれ、論理的推論と知識の表現のためのシンボルの使用を強調します。この学派は、学習は既存の既存の要素を介した逆演繹のプロセスであると信じています。

編集者 | KX 医薬品の研究開発の分野では、タンパク質とリガンドの結合親和性を正確かつ効果的に予測することが、医薬品のスクリーニングと最適化にとって重要です。しかし、現在の研究では、タンパク質とリガンドの相互作用における分子表面情報の重要な役割が考慮されていません。これに基づいて、アモイ大学の研究者らは、初めてタンパク質の表面、3D 構造、配列に関する情報を組み合わせ、クロスアテンション メカニズムを使用して異なるモダリティの特徴を比較する、新しいマルチモーダル特徴抽出 (MFE) フレームワークを提案しました。アライメント。実験結果は、この方法がタンパク質-リガンド結合親和性の予測において最先端の性能を達成することを実証しています。さらに、アブレーション研究は、この枠組み内でのタンパク質表面情報と多峰性特徴の位置合わせの有効性と必要性を実証しています。 「S」で始まる関連研究

7月5日のこのウェブサイトのニュースによると、グローバルファウンドリーズは今年7月1日にプレスリリースを発行し、自動車とインターネットでの市場シェア拡大を目指してタゴール・テクノロジーのパワー窒化ガリウム(GaN)技術と知的財産ポートフォリオを買収したことを発表した。モノと人工知能データセンターのアプリケーション分野で、より高い効率とより優れたパフォーマンスを探求します。生成 AI などのテクノロジーがデジタル世界で発展を続ける中、窒化ガリウム (GaN) は、特にデータセンターにおいて、持続可能で効率的な電力管理のための重要なソリューションとなっています。このウェブサイトは、この買収中にタゴール・テクノロジーのエンジニアリングチームがGLOBALFOUNDRIESに加わり、窒化ガリウム技術をさらに開発するという公式発表を引用した。 G
