Napredna tehnika metaučenja umetne inteligence je izziv za ChatGPT in Bing Chat

Raziskovalci so z razvojem tehnike, ki bi lahko presegla sedanje generativne tehnologije umetne inteligence, dosegli velik preboj na področju umetne inteligence.

V študiji, objavljeni v reviji Nature, je razvidno, da je nova metoda, imenovana metaučenje za skladnost (Meta-learning for Compositionality - MLC), sposobna posploševati jezikovne koncepte. Z njo bi lahko dosegli raven človeških sposobnosti pri vključevanju novih besed v različne kontekste in tako zagotovili pristnejšo interaktivno izkušnjo.

V primerjalnih vrednotenjih sta MLC in človeška zmogljivost presegla modele umetne inteligence, kot je ChatGPT, ki uporablja nevronske mreže za obdelavo in ustvarjanje besedilnih odgovorov na uporabnikove ukaze. Kljub izpopolnjenim pogovornim zmožnostim ChatGPT in Bing Chat, ki so podobne človeškim, MLC kaže na obetavno prihodnost pri ustvarjanju bolj naravno interaktivne umetne inteligence, ki bi lahko potencialno presegla trenutne klepetalne robote.

V članku v reviji Nature je poudarjen potencial te inovacije za revolucijo v interakcijah z umetno inteligenco. Če se spomnimo začetnih napak Bing Chata pri "halucinacijah", ki so bile pozneje odpravljene, je jasno, da se napredek na področju umetne inteligence nenehno razvija.

Paul Smolensky, kognitivni znanstvenik na univerzi Johns Hopkins, je pristop MLC opisal kot "preboj pri usposabljanju omrežij za sistematično delovanje", kar pomeni ključni korak naprej v razvoju umetne inteligence.

Razumevanje nevronskih omrežij

Nevronske mreže, oblika umetne inteligence, se lahko podobno kot ljudje, naučijo uporabljati nove besede v različnih kontekstih. Za razliko od ljudi pa potrebujejo obsežno usposabljanje, da osvojijo te besede in njihovo kontekstualno uporabo.

Da bi ocenili potencial te tehnologije, so znanstveniki izvedli vrsto poskusov. V teh študijah so se udeleženci srečali z novimi besedami in nato ocenili njihovo pravilno uporabo v različnih kontekstih. Poleg tega so raziskovalci preverili nagnjenost udeležencev k povezovanju teh besed z določenimi barvami. Rezultati so pokazali, da je 80 odstotkov udeležencev uspešno uporabilo nove besede in pravilno povezalo barve.

{{related}}

Na podlagi tega koncepta so znanstveniki usposobili nevronsko mrežo in jo sprogramirali, da se uči na svojih napakah, podobno kot se uči človek. To prilagodljivo usposabljanje je bilo zasnovano tako, da je nevronski mreži pomagalo razviti krivuljo učenja, ki je bolj podobna človeški, in celo ponoviti napake, podobne tistim, ki jih ljudje delajo na testih. Posledično je nevronska mreža začela odgovarjati na nova vprašanja s spretnostjo, ki je bila zelo podobna človeškemu vedenju.

Po drugi strani je GPT-4 potreboval več časa za razumevanje nalog, njegova uspešnost pa je bila zelo različna, saj je bila uspešnost od 42 do 86-odstotna. Glavna težava sistema GPT-4 in podobnih sistemov je, da so odlični pri reprodukciji zapletenih stavčnih struktur, vendar pogosto ne razumejo vsebine, zaradi česar delajo napake, ki so pri ljudeh manj verjetne.

Čeprav obstajajo znaki, da bi nevronske mreže lahko postale bolj izpopolnjena oblika generativne umetne inteligence, so za potrditev tega potrebne nadaljnje raziskave. Prihodnost nevronskih mrež se zdi obetavna in bi lahko bistveno izboljšala naš pristop k umetni inteligenci in njeno sposobnost sistematičnega posploševanja.

Obeti za ChatGPT in Bing Chat

Potencial generativne umetne inteligence je nesporen, njene obsežne zmožnosti pa bi lahko, če bi jih v celoti izkoristili, povzročile revolucijo v številnih sektorjih. Videli smo že izjemne rezultate, saj so raziskovalci pred kratkim dokazali, da je mogoče programsko podjetje voditi samo z uporabo ChatGPT, pri čemer je uspelo ustvariti kodo v manj kot sedmih minutah in za manj kot en dolar.

Vendar generativna umetna inteligenca ni brez izzivov. Visoki obratovalni stroški so še vedno velika ovira, poleg tega pa so potrebne velike količine hladilne vode in energije. Pri aplikaciji ChatGPT podjetja OpenAI se je v obdobju treh mesecev zmanjšala natančnost in število uporabnikov. Podobno se je rast tržnega deleža storitve Bing Chat ustavila kljub znatnim naložbam družbe Microsoft.