Мультимодальное моделирование AI - это будущее, но это также коробка Pandora
Что это зайдет, чтобы создать AI, который может понять? Мы продолжаем пытаться сделать компьютеры, которые действуют как мозги, но у нас нет простого пути для создания компьютеров, которые могут понимать такие вещи, как мозги. И что произойдет, если мы получим то, что мы просили - интеллектуальные системы, которые умнее и быстрее, чем мы?
Одной из ключевых задач нейронных сетей и AGI (искусственный общий интеллект) является подражание свободно, адаптивные функции человеческого мозга для обработки сложной информации в режиме реального времени. Мы хотим, чтобы компьютер понять, что мы хотим, чтобы это сделать. Прямо сейчас нейронные сети, такие как GPT-3 и DALL-E, могут отвечать на запросы на натуральные языки и производить предложения качества качества и даже фрагменты понятного компьютерного кода. Но им не хватает осведомленности. Они не преуспевают с подтекстом. Они изо всех сил пытаются понять.
Понимание по иронии судьбы, не все, что хорошо понято. Чтобы понять, что происходит вокруг нас, нам часто нужно знать о прямом сенсорном входе от всех наших чувств, а также вспомнить контекст, и нам нужно знать, какую информацию для фильтрации. (Человеческое организм очень хорошо делает фильтрацию - так хорошо, на самом деле, до тех пор, пока, до тех пор, пока в этот момент вы, вероятно, не осознавали вашу осанку, или ваш язык.) Ученые сделали огромные прыжки при анализе подключений людей и другие виды. В процессе мы узнали, что мозг одновременно объединяет много разных потоков информации, все то, что сравнило их с уже сохраненными воспоминаниями.
Дисциплина строительства или преподавания нейронной сети, имеющего такое разнообразность многофункциональной осведомленности, называется мультимодальным моделированием. Инструменты, такие как DALL-E, предназначены для генерации изображений на основе текстовых описаний, в то время как Clip (предварительное обучение в контрастичном языке) предназначено для ассоциирования текста и изображений более надежно, чем текущие модели AI. Оба построены Openai, который пишет:
Хотя глубокое обучение революционизировало компьютерное зрение, текущие подходы имеют несколько серьезных проблем: типичные наборы данных видения являются трудоспособными и дорогостоящими для создания при обучении только узкого набора визуальных концепций; Модели стандартного видения хороши в одной задаче и только одной задаче, и требуют значительных усилий для адаптации к новой задаче; И модели, которые хорошо выступают на тестах, обладают неутешительно плохими характеристиками на стресс-тестах.
Использование этих сложных моделей дает нам беспрецедентную аналитическую и творческую власть. Они используются в полях из медицины к архитектуре, розничной торговле, финансам, правоохранительным органам и многим другим. Но в неправильных руках мультимодальная нейронная сеть может создать много проблем. Представьте себе AI, который может создавать видео Deebfake с фальсифицированными метаданными, наблюдая за узорами, которые выужены, люди обнаружит. Какие инструменты могут принять, чтобы противостоять такому противникаму? Но тогда любая сила, которую вы наградите себе, вы даете своему врагу. Это не вопрос о том, является ли ИИ оружием, это просто когда и как. Это все та же древние гонки вооружений.
Я шучу много о восстании машины, потому что мы оба ближе к ней и сильно, намного дальше, чем она выглядит. Сегодняшний AIS представляет проблеск осведомленности, но, как и клетки мозга в чашке Petri, недавно сделали заголовки для воспроизведения понга, объем их способностей узкий и крепко ограничен. Клетки в чашке Петри не сознают, не говоря уже о борьбе с людьми. Точно так же самый мощный AIS сегодняшнего дня все еще, принципиально корреляционные двигатели больше, чем они действительно могут считаться надежным человеческим «интеллектом». Долгосрочная цель называется искусственной общей интеллектом, и мы еще не там еще не там.
Люди, споры, самые умные существа на планете, поэтому наш вид интеллекта - это тот, который мы используем в качестве критерия. Человеческий интеллект, однако, новеритно склонны к смещению, а машинные интеллекты, которые мы разработали, часто отражают эту смещение в своей работе. Человеческое предвзятость - это причина распознавания для лица, разработанная для борьбы на долине кремния с лицами цвета. Человеческая предвзятость, не присущая враждебность машины, является причиной прогнозной политики, которая может так легко реплицировать исторические образцы дискриминации, даже когда явная цель заключается в том, чтобы закончить их. В поп-культуре худшее из враждебного AIS знает, как люди будут действовать, и как выключить нас, используя наши собственные хитрости и предубеждения против нас.
Ценности имеют значение к этой проблеме смещения в конкретном смысле. Это такая низкотехнологичная часть решения для высокотехнологичной проблемы. Deepfakes здесь, и чтобы получить программное обеспечение, чтобы надежно идентифицировать глубокие эффекты, нам придется научить компьютеры, как определить и понимать нас лучше - и нет в коробке. Как AI прогрессирует, мы собираемся оставить нашу зону комфорта снова и снова. Это неизбежное следствие изготовления инструментов с почти человеческими возможностями. Что важно так, как наши ценности отражены в интеллектуальных системах, которые мы создаем. Может быть, нам не нужно беспокоиться о восстании робота. Может быть, дистопия исходит из дома.
Теперь читайте:
- Wfoojjaec объясняет: Что такое нейронная сетка?
- Ученые построили искусственный интеллект, чтобы закончить десятую симфонию Бетховена
- «Dall-e openai» генерирует изображения из текстовых описаний
Читать далее
Мультимодальное моделирование AI - это будущее, но это также коробка Pandora
Мы продолжаем пытаться сделать компьютеры, которые действуют как мозги. Но что это придет, чтобы сделать компьютеры, которые могут понять такие вещи, как мозги? А что произойдет, если мы получим то, что мы просили - интеллектуальные системы умнее и быстрее, чем мы?