영국 언론: 실리콘밸리 일부 사람들은 AI를 너무 옹호하며 '배움은 쓸모없다'고 설교
6월 13일자 뉴스 인공지능의 급속한 발전으로 실리콘밸리는 사람들이 인간의 행동은 예측 가능하고 기술은 인공지능으로 대체될 수 있다고 믿길 원합니다. 영국 언론의 저자는 인간을 대체할 수 있는 직위가 늘어나고 있지만 인공지능은 여전히 인간 행동의 본질을 제대로 이해하지 못하고 있음을 자신의 업무 경험을 통해 설명하고 있다.
다음은 편집된 내용입니다.
2010년부터 2020년까지 저는 뉴미디어 산업에 대부분의 시간과 에너지를 쏟았습니다. 그러나 반복적으로 해고당하는 것에 대한 불안감은 결국 나의 관심을 무너뜨렸습니다. 그래서 프로그래밍을 배우고 더 안전한 "웹 개발" 위치로 옮겼습니다. 최근 인공지능의 획기적인 발전으로 인해 프로그래밍은 반복적인 작업이자 시간 낭비처럼 느껴지게 되었습니다. 많은 전문가들은 오늘날의 로봇이 프로그래밍을 마스터했으며 여러 측면에서 인간보다 더 나은 성능을 발휘할 수 있다고 믿습니다.
프로그래밍은 비전문가에게 너무 지루하고 어려울 수 있습니다. 이러한 "프로그래밍 언어"는 이해하기 어렵고 명확한 구조적 규칙이 없는 것으로 간주됩니다. 그러나 AI 지지자들에 따르면 더 이상 프로그래밍에 장벽이 없습니다. 이제 챗봇에게 요청하기만 하면 댓글이 포함된 코드가 즉시 생성됩니다.
다양한 챗봇과 상호작용하면서 사람들은 여전히 인공지능이 많은 실수를 한다는 것을 알아차립니다. 물론, 사람들과의 반복적인 대화를 통해 이러한 문제를 해결하려고 노력할 것입니다. 이런 식으로 가까운 미래에 인공지능이 사용자의 요구를 이해하고 쉽게 솔루션을 완성할 수 있게 되어 개발자의 역할이 과거의 일처럼 보일 것이라고 상상하는 것은 어렵지 않습니다.
이로 인해 사람들은 인공지능이 일자리를 빼앗아 갈 것이라는 운명론에 빠지기 쉽습니다. AI 기술을 가장 옹호하는 사람들은 기술을 배우고, 작업을 수행하고, 무엇이든 깊이 이해하는 데 시간을 쏟는 것이 쓸모없는 것으로 간주될 수 있는 새로운 로봇이 지배하는 미래에 사람들이 굴복하도록 장려하는 AI 기술을 가장 열성적으로 개발하는 사람들입니다. . 이것을 다시 말하면: 어떤 일을 신속하게 수행하는 능력과 그 이유를 완전히 이해하는 능력을 혼동하는 것은 옳지 않습니다.
AI 챗봇은 프로그래밍의 기본 규칙을 어기지 않습니다. 그들은 온라인에서 사용할 수 있는 방대한 양의 오픈 소스 자료를 단순히 소화합니다. 사람들은 챗봇을 사용하여 지식 구축 단계를 건너뛸 수 있지만 그렇게 하면 기계가 사용자를 대신하여 어떤 결정을 내렸는지, 왜 그러한 결정이 내려졌는지, 그리고 그러한 결정이 충분히 좋은지 결코 이해하지 못할 것입니다. 결론은 다른 가능한 결정이 있다는 것입니다.
웹 디자인 및 개발의 독특한 점은 측면적인 사고 방식이며, 특정 기능을 달성하기 위한 올바른 객관적인 방법은 거의 없습니다. 개발자는 사용자가 사이트에서 직면하게 될 다양한 상황을 모두 생각하고, 사용자가 사이트와 어떻게 상호 작용할 것인지, 사이트에서 무엇을 기대하는지, 제공하는 제품이 사용자의 전화에 과부하를 줄 것인지 등을 상상해야 합니다. 훈련된 기계는 인터넷의 모든 정보를 수집할 수 있지만 인공지능 개발자처럼 생각하지는 않습니다.
경험이 풍부한 개발자로서 프로그래밍 지식과 창의성은 필수입니다. 인공 지능의 발전이 일부 영역에서 돈을 버는 능력에 영향을 미칠 수는 있지만, 대화 상자에 구두 명령을 입력하는 것만큼 간단한 기술을 습득한 것처럼 느껴지지는 않습니다.
그러나 실리콘 밸리 전체는 인간의 마음이 예측 가능하고 복제 가능하며 그렇게 복잡하지 않다는 것을 사람들에게 확신시키기 위해 공동의 노력을 기울이고 있습니다. 그들은 가짜를 찾아내고 다양한 이미지를 자동으로 생성할 수 있는 로봇을 개발하는 데 수십억 달러를 투자하면서 예술과 관련 분야가 수학 방정식과 키워드로 축소될 수 있다고 주장합니다.
인공 지능의 가능한 용도에 대한 질문에 OpenAI 공동 창업자인 Greg Brockman은 엔터테인먼트 산업의 미래에 대해 다음과 같이 예측했습니다. “사람들은 여전히 왕좌의 게임에 집착하고 있지만 마지막 시즌은 만족스럽지 못했습니다. 인공 지능이 다른 새로운 결말을 만들 수 있게 할 수 있다면 어떨까요? 아니면 자신을 주인공으로 만들 수 있을까요? "
고대부터 사람들은 자신의 결말을 사용할 수 있었습니다. 마음이 이런 일을 합니다. 이는 우리 자신이 창의적이라고 상상하도록 촉구하는 인공 지능 지지자들 사이에 창의성이 부족하다는 것을 의미합니다. 이 사람들은 예술 창작을 통해 어떤 즐거움과 만족을 얻을지 상상할 수 없으며, 전체 프로세스를 기계에 아웃소싱하는 대신 자신만의 스토리를 만드는 것을 선호하는 이유도 상상할 수 없습니다. 그들은 컴퓨터의 도움 없이는 왕좌의 게임을 재현할 수 없다는 자신들의 생각에 근본적인 자신감이 부족했습니다.
모든 예술 작품을 기계에 압착한 다음 무의미하게 대략적인 중간점으로 줄이는 것은 진정한 예술적 표현이 아닙니다. 그것은 단지 즉흥적인 기술일 수도 있고 재미있는 참신함일 수도 있습니다. 인공지능은 모방을 만들어낼 수는 있지만 예술 작품을 창조하기 위해 인간이 갖고 있는 사고방식, 기술, 의지를 복제할 수는 없습니다.
많은 사람들은 창의적인 작업이 수익성이 있어야만 가치가 있다고 믿으며 인공 지능의 위협 이론을 홍보하는 것을 좋아합니다. 하지만 기계에는 자기표현 능력도 없고, 의사소통하려는 충동도 없습니다. 그것이 바로 인간이 표현할 수 있는 가장 소중한 것입니다. (첸첸)
위 내용은 영국 언론: 실리콘밸리 일부 사람들은 AI를 너무 옹호하며 '배움은 쓸모없다'고 설교의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

Video Face Swap
완전히 무료인 AI 얼굴 교환 도구를 사용하여 모든 비디오의 얼굴을 쉽게 바꾸세요!

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











이 사이트는 6월 27일에 Jianying이 ByteDance의 자회사인 FaceMeng Technology에서 개발한 비디오 편집 소프트웨어라고 보도했습니다. 이 소프트웨어는 Douyin 플랫폼을 기반으로 하며 기본적으로 플랫폼 사용자를 위한 짧은 비디오 콘텐츠를 제작합니다. Windows, MacOS 및 기타 운영 체제. Jianying은 멤버십 시스템 업그레이드를 공식 발표하고 지능형 번역, 지능형 하이라이트, 지능형 패키징, 디지털 인간 합성 등 다양한 AI 블랙 기술을 포함하는 새로운 SVIP를 출시했습니다. 가격면에서 SVIP 클리핑 월 요금은 79위안, 연간 요금은 599위안(본 사이트 참고: 월 49.9위안에 해당), 월간 연속 구독료는 월 59위안, 연간 연속 구독료는 59위안입니다. 연간 499위안(월 41.6위안)입니다. 또한, 컷 관계자는 "사용자 경험 향상을 위해 기존 VIP에 가입하신 분들도

검색 강화 생성 및 의미론적 메모리를 AI 코딩 도우미에 통합하여 개발자 생산성, 효율성 및 정확성을 향상시킵니다. EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG에서 번역됨, 저자 JanakiramMSV. 기본 AI 프로그래밍 도우미는 자연스럽게 도움이 되지만, 소프트웨어 언어에 대한 일반적인 이해와 소프트웨어 작성의 가장 일반적인 패턴에 의존하기 때문에 가장 관련성이 높고 정확한 코드 제안을 제공하지 못하는 경우가 많습니다. 이러한 코딩 도우미가 생성한 코드는 자신이 해결해야 할 문제를 해결하는 데 적합하지만 개별 팀의 코딩 표준, 규칙 및 스타일을 따르지 않는 경우가 많습니다. 이로 인해 코드가 애플리케이션에 승인되기 위해 수정되거나 개선되어야 하는 제안이 나타나는 경우가 많습니다.

AIGC에 대해 자세히 알아보려면 다음을 방문하세요. 51CTOAI.x 커뮤니티 https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou는 인터넷 어디에서나 볼 수 있는 전통적인 문제 은행과 다릅니다. 고정관념에서 벗어나 생각해야 합니다. LLM(대형 언어 모델)은 데이터 과학, 생성 인공 지능(GenAI) 및 인공 지능 분야에서 점점 더 중요해지고 있습니다. 이러한 복잡한 알고리즘은 인간의 기술을 향상시키고 많은 산업 분야에서 효율성과 혁신을 촉진하여 기업이 경쟁력을 유지하는 데 핵심이 됩니다. LLM은 자연어 처리, 텍스트 생성, 음성 인식 및 추천 시스템과 같은 분야에서 광범위하게 사용될 수 있습니다. LLM은 대량의 데이터로부터 학습하여 텍스트를 생성할 수 있습니다.

LLM(대형 언어 모델)은 대규모 텍스트 데이터베이스에서 훈련되어 대량의 실제 지식을 습득합니다. 이 지식은 매개변수에 내장되어 필요할 때 사용할 수 있습니다. 이러한 모델에 대한 지식은 훈련이 끝나면 "구체화"됩니다. 사전 훈련이 끝나면 모델은 실제로 학습을 중단합니다. 모델을 정렬하거나 미세 조정하여 이 지식을 활용하고 사용자 질문에 보다 자연스럽게 응답하는 방법을 알아보세요. 그러나 때로는 모델 지식만으로는 충분하지 않을 때도 있으며, 모델이 RAG를 통해 외부 콘텐츠에 접근할 수 있더라도 미세 조정을 통해 모델을 새로운 도메인에 적응시키는 것이 유익한 것으로 간주됩니다. 이러한 미세 조정은 인간 주석 작성자 또는 기타 LLM 생성자의 입력을 사용하여 수행됩니다. 여기서 모델은 추가적인 실제 지식을 접하고 이를 통합합니다.

머신 러닝은 명시적으로 프로그래밍하지 않고도 컴퓨터가 데이터로부터 학습하고 능력을 향상시킬 수 있는 능력을 제공하는 인공 지능의 중요한 분야입니다. 머신러닝은 이미지 인식, 자연어 처리, 추천 시스템, 사기 탐지 등 다양한 분야에서 폭넓게 활용되며 우리의 삶의 방식을 변화시키고 있습니다. 기계 학습 분야에는 다양한 방법과 이론이 있으며, 그 중 가장 영향력 있는 5가지 방법을 "기계 학습의 5개 학교"라고 합니다. 5개 주요 학파는 상징학파, 연결주의 학파, 진화학파, 베이지안 학파, 유추학파이다. 1. 상징주의라고도 알려진 상징주의는 논리적 추론과 지식 표현을 위해 상징을 사용하는 것을 강조합니다. 이 사고 학교는 학습이 기존을 통한 역연역 과정이라고 믿습니다.

편집자 |ScienceAI 질문 응답(QA) 데이터 세트는 자연어 처리(NLP) 연구를 촉진하는 데 중요한 역할을 합니다. 고품질 QA 데이터 세트는 모델을 미세 조정하는 데 사용될 수 있을 뿐만 아니라 LLM(대형 언어 모델)의 기능, 특히 과학적 지식을 이해하고 추론하는 능력을 효과적으로 평가하는 데에도 사용할 수 있습니다. 현재 의학, 화학, 생물학 및 기타 분야를 포괄하는 과학적인 QA 데이터 세트가 많이 있지만 이러한 데이터 세트에는 여전히 몇 가지 단점이 있습니다. 첫째, 데이터 형식이 비교적 단순하고 대부분이 객관식 질문이므로 평가하기 쉽지만 모델의 답변 선택 범위가 제한되고 모델의 과학적 질문 답변 능력을 완전히 테스트할 수 없습니다. 이에 비해 개방형 Q&A는

1일 본 사이트 소식에 따르면 SK하이닉스는 오늘(1일) 블로그 게시물을 통해 8월 6일부터 8일까지 미국 캘리포니아주 산타클라라에서 열리는 글로벌 반도체 메모리 서밋 FMS2024에 참가한다고 밝혔다. 많은 새로운 세대의 제품. 인공지능 기술에 대한 관심이 높아지고 있는 가운데, 이전에는 주로 NAND 공급업체를 대상으로 한 플래시 메모리 서밋(FlashMemorySummit)이었던 미래 메모리 및 스토리지 서밋(FutureMemoryandStorage) 소개를 올해는 미래 메모리 및 스토리지 서밋(FutureMemoryandStorage)으로 명칭을 변경했습니다. DRAM 및 스토리지 공급업체와 더 많은 플레이어를 초대하세요. SK하이닉스가 지난해 출시한 신제품

Editor | KX 약물 연구 및 개발 분야에서 단백질과 리간드의 결합 친화도를 정확하고 효과적으로 예측하는 것은 약물 스크리닝 및 최적화에 매우 중요합니다. 그러나 현재 연구에서는 단백질-리간드 상호작용에서 분자 표면 정보의 중요한 역할을 고려하지 않습니다. 이를 기반으로 Xiamen University의 연구자들은 처음으로 단백질 표면, 3D 구조 및 서열에 대한 정보를 결합하고 교차 주의 메커니즘을 사용하여 다양한 양식 특징을 비교하는 새로운 다중 모드 특징 추출(MFE) 프레임워크를 제안했습니다. 조정. 실험 결과는 이 방법이 단백질-리간드 결합 친화도를 예측하는 데 있어 최첨단 성능을 달성한다는 것을 보여줍니다. 또한 절제 연구는 이 프레임워크 내에서 단백질 표면 정보와 다중 모드 기능 정렬의 효율성과 필요성을 보여줍니다. 관련 연구는 "S"로 시작된다
