人工知能の筆記検出ツールは信頼性が低く、米国憲法はロボットによって書かれたと考えられている
7 月 16 日のニュースで、一部のネチズンは最近、米国の最も重要な法的文書である合衆国憲法が、人工知能による書き込みを検出するために特別に設計されたいくつかのツールに入力されると、驚くべき結果: 米国憲法はほぼ確実に人工知能によって書かれました。ジェームズ・マディソンがタイムトラベラーでない限り、これは明らかに不可能です。では、なぜこれらの AI 検出ツールはこのような間違いを犯すのでしょうか?海外メディアArstechnicaは、その理由を明らかにするために複数の専門家とAI検出ツールGPTZeroの開発者にインタビューした。
教育の分野では、人工知能によるライティングが多くの論争を引き起こしています。教師は長い間、生徒の科目の習熟度を評価するツールとしてエッセイを使用する伝統的な教育方法を使用してきました。これまでの証拠によると、AI が生成した文章を検出するために AI ツールに依存している教師の多くは信頼できないことが判明しています。誤検知が存在するため、GPTZero、ZeroGPT、OpenAI のテキスト分類器などの AI 検出ツールは信頼性が低く、記事が大規模言語モデル (LLM) によって生成されたかどうかを判断するために使用できません。
米国憲法の一部が GPTZero に入力されると、GPTZero はその条項が「完全に AI によって書かれた可能性が高い」と述べています。過去 6 か月の間に、同様の結果を伴うスクリーンショットが他の AI 検出ツールを通じてソーシャル メディア上で広く拡散されました。実際、聖書から何かをインプットした場合にも同じことが起こります。これらのツールがなぜこのような明白な間違いを犯すのかを理解するには、まずそれらがどのように機能するかを理解する必要があります。
IT House によると、人工知能の書き込み検出器が異なれば、使用する検出方法も若干異なりますが、基本原理は似ています。つまり、人工知能モデルを通じて、大量のテキスト (数百万の書き込み例を含む) と文章が人間によって生成された可能性が高いか AI によって生成された可能性が高いかを判断するために使用される一連の仮説ルール。
たとえば、GPTZero の中心となるのは、「英語の散文に重点を置いた、人間の文章と AI が生成したテキストの大規模で多様なコーパス」でトレーニングされたニューラル ネットワークです。次に、 システムは「困惑」や「緊急性」などの属性を使用してテキストを評価し、分類します。
機械学習において、困惑度は、テキストと人工知能モデルがトレーニング中に学習した内容との間の偏差の尺度です。困惑度の測定の背後にある考え方は、AI モデルが書くときに、トレーニング データから最もよく知っているコンテンツを自然に選択するというものです。出力がトレーニング データに近づくほど、混乱は少なくなります。 人間はより混乱を招く書き手である 人間は、特に法律や特定の種類の学術文書で使用される形式的なスタイルを模倣する場合、混乱を少なく書くこともできます。そして、私たちが使うフレーズの多くは驚くほど一般的です。
例として、この文の次の単語を推測してみましょう:「私は _____ が欲しいです」。ほとんどの人は、空白を「水」、「コーヒー」、または「お茶」で埋めるでしょう。大量の英語テキストでトレーニングされた言語モデルでも同様のことが行われます。なぜなら、これらのフレーズは英語の文章に頻繁に現れるからです。以下に示すように。
#GPTZero が測定するテキストのもう 1 つの特性は「バースト」です。これは、特定の単語や語句がテキストの中で素早く連続して出現する、または「バースト」する現象です。本質的に、緊急性は、テキスト全体にわたる文の長さと構造のばらつきを評価します。人間のライターは動的な書き方を示すことが多く、その結果、文の長さや構造が変化するテキストになりますが、人工的にインテリジェントに生成されたテキストはより一貫性がある傾向があります。統合されています。ただし、緊急事態は、AI が生成したコンテンツを検出する確実な指標ではありません。Perplexity と同様に、例外があります。人間のライターは、高度に構造化された一貫したスタイルで書く場合があり、バーストネス スコアが低くなります。逆に、AI モデルはトレーニングできます。文の長さや構造において、より人間らしい変動をシミュレートすることで、バーストネス スコアが向上します。実際、人工知能言語モデルの改良の登場により、人工知能の文章がますます人間の文章に似てきたことが研究で示されています。
以上が人工知能の筆記検出ツールは信頼性が低く、米国憲法はロボットによって書かれたと考えられているの詳細内容です。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

Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

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。

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 |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

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

8月1日の本サイトのニュースによると、SKハイニックスは本日(8月1日)ブログ投稿を発表し、8月6日から8日まで米国カリフォルニア州サンタクララで開催されるグローバル半導体メモリサミットFMS2024に参加すると発表し、多くの新世代の製品。フューチャー メモリおよびストレージ サミット (FutureMemoryandStorage) の紹介。以前は主に NAND サプライヤー向けのフラッシュ メモリ サミット (FlashMemorySummit) でしたが、人工知能技術への注目の高まりを背景に、今年はフューチャー メモリおよびストレージ サミット (FutureMemoryandStorage) に名前が変更されました。 DRAM およびストレージ ベンダー、さらに多くのプレーヤーを招待します。昨年発売された新製品SKハイニックス
