• Reklama
  • Zakładki
  • Kastomizacja
  • Newsletter
BrandsIT
POWIADOMIENIA Pokaż więcej
Najnowsze
Koncert, Palion, roblox, ing
Zobacz pierwszy koncert polskiego wykonawcy w Robloxie
Rozrywka Work&Life
dane, cyfryzacja, technologia, IT
Technologia dla wszystkich: jak zwiększyć dostępność cyfrową?
Tech Biznes Technologia
hpe
HPE wprowadza nową generację serwerów do przechowywania danych
Rozwiązania Technologia
Piotr Kawecki, ITBoom
Branża IT – jakie będzie kolejne 12 miesięcy?
Branża IT Biznes
Sony, SRG-A40 i SRG-A12, PTZ
Sony poszerza ofertę kamer PTZ
Rozwiązania Technologia
  • Biznes
  • Pieniądze
  • Rynki
  • Polityka
  • Technologia
  • Eco
  • Work&Life
  • MAGAZYN
  • Opinie
Czytasz: Dlaczego ChatGPT robi tyle szumu na rynku sztucznej inteligencji?
Aa
BrandsITBrandsIT
  • Technologia
  • Biznes
  • Branża IT
  • Świat
  • Pieniądze
    • Inwestycje
    • Kryptowaluty
    • NFT
    • Praca
  • Polityka
    • Polska
    • Europa
    • Świat
  • Technologia
    • Startup
    • Cyberbezpieczeństwo
    • Rozwiązania
    • Gaming
    • Tech Biznes
  • Eco
    • Czysta energia
    • Pogoda i nauka
    • Pojazdy elektryczne
    • Polityka klimatyczna
  • Work&Life
    • W pracy
    • Miasto
    • Nauka
    • Rozrywka
    • Moda
  • Biznes
    • Branża IT
    • Branża deweloperska
    • Branża przemysłowa
    • Branża transportowa
    • Podatki i koszty
Follow US
  • Redakcja
  • Regulamin
  • Polityka prywatności
  • Polityka plików cookies
  • Oświadczenie o prywatności
© 2017-2022 BrandsIT. Brands Stream Sp. z o.o. All Rights Reserved.
BrandsIT > Technologia > Rozwiązania > Dlaczego ChatGPT robi tyle szumu na rynku sztucznej inteligencji?
Rozwiązania

Dlaczego ChatGPT robi tyle szumu na rynku sztucznej inteligencji?

Izabela Myszkowska 3 tygodnie temu 7 min czytania
Udostępnij
7 min czytania
mózg, sztuczna inteligencja
Udostępnij

Firma OpenAI zajmująca się badaniami i wdrażaniem sztucznej inteligencji (AI) niedawno ogłosiła oficjalne uruchomienie ChatGPT , nowego modelu konwersacyjnej sztucznej inteligencji. Według OpenAI dialog zapewniany przez tę platformę umożliwia ChatGPT „odpowiadanie na dalsze pytania, przyznanie się do błędów, kwestionowanie błędnych przesłanek i odrzucanie niewłaściwych próśb”.

Od momentu premiery w mediach społecznościowych toczą się dyskusje na temat możliwości — i zagrożeń — związanych z tą nową innowacją, począwszy od jej zdolności do debugowania kodu, a skończywszy na pisaniu esejów dla studentów. Bern Elliot , wiceprezes ds. analityki w firmie Gartner omawia szersze implikacje tej innowacji oraz kroki, jakie liderzy danych i analiz (D&A) powinni podjąć, aby zapewnić odpowiedzialne korzystanie z takich narzędzi.

Dlaczego ChatGPT generuje tyle szumu i czym różni się od poprzednich innowacji w konwersacyjnej sztucznej inteligencji? 

Bern Elliot: ChatGPT to idealna burza dwóch aktualnych „gorących” tematów związanych ze sztuczną inteligencją: chatbotów i GPT3. Razem oferują cudownie intrygującą metodę interakcji i tworzenia treści, które brzmią niesamowicie po ludzku. Każdy z nich jest wynikiem odrębnych, znaczących ulepszeń, które nastąpiły w ciągu ostatnich pięciu lat w tych technologiach.

Chatboty umożliwiają interakcję w pozornie „inteligentny” sposób konwersacyjny, podczas gdy GPT3 generuje dane wyjściowe, które wydają się „zrozumieć” pytanie, treść i kontekst. Razem tworzy to niesamowity efekt konsternacji „Czy to człowiek, czy komputer?”. A może to komputer podobny do człowieka? Interakcja jest czasem zabawna, czasem głęboka, a czasem wnikliwa.

Niestety, treść jest czasami niepoprawna, a treść nigdy nie jest oparta na ludzkim zrozumieniu lub inteligencji. Problem może dotyczyć terminów „zrozumieć” i „inteligentny”. Są to terminy naładowane niejawnie ludzkim znaczeniem, więc zastosowanie ich do algorytmu może spowodować poważne nieporozumienia. Bardziej użyteczną perspektywą jest postrzeganie chatbotów i dużych modeli językowych (LLM), takich jak GPT, jako potencjalnie przydatnych narzędzi do wykonywania określonych zadań, a nie jako salonowych sztuczek. Sukces zależy od zidentyfikowania zastosowań tych technologii, które oferują organizacji znaczące korzyści.

Jakie są potencjalne możliwości użycia ChatGPT, szczególnie w przedsiębiorstwie?

Bern Elliot: Na wysokim poziomie chatboty lub asystenci konwersacji zapewniają wyselekcjonowaną interakcję ze źródłem informacji. Same chatboty mają wiele zastosowań, od obsługi klienta po pomoc technikom w identyfikowaniu problemów.

Na wysokim poziomie ChatGPT to specyficzny przypadek użycia chatbota, w którym chatbot jest używany do interakcji (czatu) lub „rozmowy” ze źródłem informacji GPT. W takim przypadku źródło informacji GPT jest szkolone dla określonej domeny przez OpenAI. Dane treningowe użyte w modelu określają sposób udzielania odpowiedzi na pytania. Jednak, jak wspomniano wcześniej, zdolność GPT do nieprzewidywalnego generowania fałszywych informacji oznacza, że ​​informacje te mogą być używane tylko w sytuacjach, w których błędy można tolerować lub poprawiać.

Istnieje wiele przypadków użycia modeli podstawowych, takich jak GPT, w dziedzinach obejmujących wizję komputerową, inżynierię oprogramowania oraz badania naukowe i rozwój. Na przykład modele fundamentów zostały użyte do stworzenia obrazów z tekstu; generować, przeglądać i audytować kod z języka naturalnego, w tym inteligentne kontrakty; a nawet w opiece zdrowotnej do tworzenia nowych leków i odszyfrowywania sekwencji genomu w celu klasyfikacji chorób.

Co z kwestiami etycznymi związanymi z ChatGPT i innymi podobnymi modelami sztucznej inteligencji? 

Bern Elliot: Podstawowe modele sztucznej inteligencji, takie jak GPT, stanowią ogromną zmianę w dziedzinie sztucznej inteligencji. Oferują wyjątkowe korzyści, takie jak ogromne obniżenie kosztów i czasu potrzebnego do stworzenia modelu specyficznego dla domeny. Wiążą się jednak również z ryzykiem i problemami natury etycznej, w tym związanymi z:

  • Złożonością: duże modele obejmują miliardy, a nawet biliony parametrów. Te modele są niepraktycznie duże do trenowania dla większości organizacji ze względu na niezbędne zasoby obliczeniowe, co może sprawić, że będą drogie i nieprzyjazne dla środowiska.
  • Koncentracją władzy: Modele te zostały zbudowane głównie przez największe firmy technologiczne, z ogromnymi inwestycjami w badania i rozwój oraz znaczącym talentem AI. Doprowadziło to do koncentracji władzy w kilku dużych podmiotach o głębokich kieszeniach, co może spowodować znaczną nierównowagę w przyszłości.
  • Potencjalnymi nadużyciami: modele podstawowe obniżają koszt tworzenia treści, co oznacza, że ​​łatwiej jest tworzyć deepfake, które bardzo przypominają oryginał. Obejmuje to wszystko, od podszywania się pod głos i wideo, po fałszywe grafiki, a także ataki ukierunkowane. Poważne obawy natury etycznej mogą szkodzić reputacji lub powodować konflikty polityczne.
  • Charakterem czarnej skrzynki: Modele te nadal wymagają starannego szkolenia i mogą dawać niedopuszczalne wyniki ze względu na ich charakter czarnej skrzynki. Często nie jest jasne, którym modelom bazy faktów przypisuje się odpowiedzi, co może propagować uprzedzenia w zbiorach danych. Homogenizacja takich modeli może prowadzić do pojedynczego punktu awarii.
  • Własnością intelektualną: Model jest szkolony na korpusie stworzonych prac i nadal nie jest jasne, jaki precedens prawny może mieć ponowne wykorzystanie tych treści, jeśli pochodzą one z własności intelektualnej innych osób.

W jaki sposób liderzy z zakresu data analytics mogą w etyczny sposób zintegrować podstawowe modele sztucznej inteligencji w swoich organizacjach?

Bern Elliot: Warto zacząć od przypadków użycia przetwarzania języka naturalnego (NLP), takich jak klasyfikacja, podsumowanie i generowanie tekstu dla scenariuszy niezwiązanych z klientem, i wybrać wstępnie wytrenowane modele specyficzne dla zadania, aby uniknąć kosztownych dostosowań i szkoleń. Preferowane są przypadki użycia, w których dane wyjściowe są przeglądane przez ludzi. Należy utworzyć dokument strategiczny, który przedstawia korzyści, zagrożenia, możliwości i plan wdrożenia podstawowych modeli sztucznej inteligencji, takich jak GPT. Pomoże to ustalić, czy korzyści przewyższają ryzyko w określonych przypadkach użycia.

Warto także używać opartych na chmurze interfejsów API do korzystania z modeli i wybierać najmniejszy model, który zapewni dokładność i wydajność potrzebne do zmniejszenia złożoności operacyjnej, obniżenia zużycia energii i optymalizacji całkowitego kosztu posiadania. Warto nadać priorytet dostawcom, którzy promują odpowiedzialne wdrażanie modeli, publikując wytyczne użytkowania, egzekwując te wytyczne, dokumentując znane luki w zabezpieczeniach i słabości oraz proaktywnie ujawniając scenariusze szkodliwego zachowania i niewłaściwego użycia.


Artykuł pierwotnie opublikowany w Newsroomie Gartnera

Skomentuj Skomentuj

Dodaj komentarz Anuluj pisanie odpowiedzi

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *

- Reklama -

© 2017-2023 BrandsIT. Brands Stream Sp. z o.o. All Rights Reserved.

  • Redakcja
  • Regulamin
  • Polityka prywatności
  • Polityka plików cookies
  • Oświadczenie o prywatności
Zarządzaj swoją prywatnością
We use technologies like cookies to store and/or access device information. We do this to improve browsing experience and to show personalized ads. Consenting to these technologies will allow us to process data such as browsing behavior or unique IDs on this site. Not consenting or withdrawing consent, may adversely affect certain features and functions.
Funkcjonalne Zawsze aktywne
Przechowywanie lub dostęp do danych technicznych jest ściśle konieczny do uzasadnionego celu umożliwienia korzystania z konkretnej usługi wyraźnie żądanej przez subskrybenta lub użytkownika, lub wyłącznie w celu przeprowadzenia transmisji komunikatu przez sieć łączności elektronicznej.
Preferencje
Przechowywanie lub dostęp techniczny jest niezbędny do uzasadnionego celu przechowywania preferencji, o które nie prosi subskrybent lub użytkownik.
Statystyka
Przechowywanie techniczne lub dostęp, który jest używany wyłącznie do celów statystycznych. Przechowywanie techniczne lub dostęp, który jest używany wyłącznie do anonimowych celów statystycznych. Bez wezwania do sądu, dobrowolnego podporządkowania się dostawcy usług internetowych lub dodatkowych zapisów od strony trzeciej, informacje przechowywane lub pobierane wyłącznie w tym celu zwykle nie mogą być wykorzystywane do identyfikacji użytkownika.
Marketing
Przechowywanie lub dostęp techniczny jest wymagany do tworzenia profili użytkowników w celu wysyłania reklam lub śledzenia użytkownika na stronie internetowej lub na kilku stronach internetowych w podobnych celach marketingowych.
Zarządzaj opcjami Zarządzaj serwisami Zarządzaj dostawcami Przeczytaj więcej o tych celach
Zarządzaj opcjami
{title} {title} {title}

Removed from reading list

Undo