谷歌用人工智慧凸顯出人類認知的缺陷
如今,一些看起來非常像人類的句子實際上是由人工智慧系統產生的,這些系統已經在大量的人類文本中進行了訓練。人們習慣於假定流暢的語言來自於有思想、有感覺的人類,以至於相反的證據可能難以理解,並且認為如果一個人工智慧模型能夠流暢地表達自己,就意味著它也像人類一樣思考和感受。
因此,Google的一名前工程師最近聲稱,Google的人工智慧系統LAMDA有自我意識,因為它可以雄辯地生成關於其所謂感受的文本,這也許並不奇怪。這一事件和隨後的媒體報導導致了一些文章和帖子,懷疑關於人類語言的計算模型是有生命的說法。
由Google的LaMDA等模型產生的文字可能很難與人類寫的文字區分開來。這項令人印象深刻的成就是一項長達數十年的計劃的結果,該計劃旨在建立能夠生成符合語法、有意義的語言的模型。今天的模型,即接近人類語言的資料和規則集,在幾個重要方面與這些早期的嘗試不同。首先,它們基本上是在整個互聯網上訓練的。第二,它們可以學習相距甚遠的字詞之間的關係,而不僅僅是相鄰的字詞。第三,它們透過大量的內部進行調整,甚至連設計它們的工程師都很難理解為什麼它們會產生一個字的序列而不是另一個字的序列。
大型人工智慧語言模型可以進行流暢的對話。然而,它們沒有要傳達的整體訊息,所以它們的短語往往遵循常見的文學套路,這些套路是從被訓練的文本中提取的。人腦有推斷詞語背後意圖的硬性規定。每次你參與對話時,你的大腦都會自動建立一個談話夥伴的心理模型。然後,你利用他們所說的話,用這個人的目標、感覺和信念來填補這個模型。從話語到心理模型的跳躍過程是無縫的,每當你收到一個完整的句子時就會被觸發。這個認知過程在日常生活中為你節省了大量的時間和精力,大大促進了你的社會互動。然而,在人工智慧系統的情況下,它卻失靈了,因為它憑空建立了一個心理模型。
一個可悲的諷刺是,讓人們把人性賦予大型人工智慧語言模型的認知偏見也會導致它們以不人道的方式對待真正的人類。社會文化語言學研究表明,假設流暢的表達和流暢的思維之間的聯繫過於緊密,會導致對不同的人產生偏見。例如,有外國口音的人往往被認為是不太聰明,不太可能得到他們所勝任的工作。對那些不被認為是有聲望的方言,如美國的南方英語,對使用手語的聾啞人,以及對有口吃等語言障礙的人,也存在類似的偏見。這些偏見是非常有害的,往往會導致種族主義和性別歧視的假設,並且被一再證明是毫無根據的。
以上是谷歌用人工智慧凸顯出人類認知的缺陷的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

熱門話題

本站6月27日訊息,剪映是由位元組跳動旗下臉萌科技開發的一款影片剪輯軟體,依託於抖音平台且基本面向該平台用戶製作短影片內容,並相容於iOS、安卓、Windows 、MacOS等作業系統。剪映官方宣布會員體系升級,推出全新SVIP,包含多種AI黑科技,例如智慧翻譯、智慧劃重點、智慧包裝、數位人合成等。價格方面,剪映SVIP月費79元,年費599元(本站註:折合每月49.9元),連續包月則為59元每月,連續包年為499元每年(折合每月41.6元) 。此外,剪映官方也表示,為提升用戶體驗,向已訂閱了原版VIP

透過將檢索增強生成和語意記憶納入AI編碼助手,提升開發人員的生產力、效率和準確性。譯自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。雖然基本AI程式設計助理自然有幫助,但由於依賴對軟體語言和編寫軟體最常見模式的整體理解,因此常常無法提供最相關和正確的程式碼建議。這些編碼助手產生的代碼適合解決他們負責解決的問題,但通常不符合各個團隊的編碼標準、慣例和風格。這通常會導致需要修改或完善其建議,以便將程式碼接受到應

大型語言模型(LLM)是在龐大的文字資料庫上訓練的,在那裡它們獲得了大量的實際知識。這些知識嵌入到它們的參數中,然後可以在需要時使用。這些模型的知識在訓練結束時被「具體化」。在預訓練結束時,模型實際上停止學習。對模型進行對齊或進行指令調優,讓模型學習如何充分利用這些知識,以及如何更自然地回應使用者的問題。但是有時模型知識是不夠的,儘管模型可以透過RAG存取外部內容,但透過微調使用模型適應新的領域被認為是有益的。這種微調是使用人工標註者或其他llm創建的輸入進行的,模型會遇到額外的實際知識並將其整合

想了解更多AIGC的內容,請造訪:51CTOAI.x社群https://www.51cto.com/aigc/譯者|晶顏審校|重樓不同於網路上隨處可見的傳統問題庫,這些問題需要跳脫常規思維。大語言模型(LLM)在數據科學、生成式人工智慧(GenAI)和人工智慧領域越來越重要。這些複雜的演算法提升了人類的技能,並在許多產業中推動了效率和創新性的提升,成為企業保持競爭力的關鍵。 LLM的應用範圍非常廣泛,它可以用於自然語言處理、文字生成、語音辨識和推薦系統等領域。透過學習大量的數據,LLM能夠產生文本

編輯|ScienceAI問答(QA)資料集在推動自然語言處理(NLP)研究中發揮著至關重要的作用。高品質QA資料集不僅可以用於微調模型,也可以有效評估大語言模型(LLM)的能力,尤其是針對科學知識的理解和推理能力。儘管目前已有許多科學QA數據集,涵蓋了醫學、化學、生物等領域,但這些數據集仍有一些不足之處。其一,資料形式較為單一,大多數為多項選擇題(multiple-choicequestions),它們易於進行評估,但限制了模型的答案選擇範圍,無法充分測試模型的科學問題解答能力。相比之下,開放式問答

上週,在內部的離職潮和外部的口誅筆伐之下,OpenAI可謂是內憂外患:-侵權寡姐引發全球熱議-員工簽署“霸王條款”被接連曝出-網友細數奧特曼“七宗罪」闢謠:根據Vox獲取的洩漏資訊和文件,OpenAI的高級領導層,包括Altman在內,非常了解這些股權回收條款,並且簽署了它們。除此之外,還有一個嚴峻而迫切的問題擺在OpenAI面前——AI安全。最近,五名與安全相關的員工離職,其中包括兩名最著名的員工,「超級對齊」團隊的解散讓OpenAI的安全問題再次被置於聚光燈下。 《財星》雜誌報道稱,OpenA

機器學習是人工智慧的重要分支,它賦予電腦從數據中學習的能力,並能夠在無需明確編程的情況下改進自身能力。機器學習在各個領域都有廣泛的應用,從影像辨識和自然語言處理到推薦系統和詐欺偵測,它正在改變我們的生活方式。機器學習領域存在著多種不同的方法和理論,其中最具影響力的五種方法被稱為「機器學習五大派」。這五大派分別為符號派、聯結派、進化派、貝葉斯派和類推學派。 1.符號學派符號學(Symbolism),又稱符號主義,強調利用符號進行邏輯推理和表達知識。該學派認為學習是一種逆向演繹的過程,透過現有的

編輯|KX在藥物研發領域,準確有效地預測蛋白質與配體的結合親和力對於藥物篩選和優化至關重要。然而,目前的研究並沒有考慮到分子表面訊息在蛋白質-配體相互作用中的重要作用。基於此,來自廈門大學的研究人員提出了一種新穎的多模態特徵提取(MFE)框架,該框架首次結合了蛋白質表面、3D結構和序列的信息,並使用交叉注意機制進行不同模態之間的特徵對齊。實驗結果表明,該方法在預測蛋白質-配體結合親和力方面取得了最先進的性能。此外,消融研究證明了該框架內蛋白質表面資訊和多模態特徵對齊的有效性和必要性。相關研究以「S
