Google은 AI에게 농담을 설명하도록 가르칩니다.

예, 당신은 그 권리를 읽었습니다. 기이한 기술 발전이 많이 일어나는 가운데 그 중 하나는 구글 가르치고 있다 인공 지능 당신에게 농담을 설명하기 위해. 이 아이디어는 구글 사람처럼 들리는 초현실적인 능력을 가진 점점 더 많은 챗봇을 개발하고자 하는 사람들.

물론 인공 지능에 관한 한 사람들의 첫 번째 반응은 한 걸음 뒤로 물러나는 것입니다. 왜냐하면 그것은 기본적으로 배운 것을 재현하는 기술이고 그 이상은 아니기 때문에 결과에 높은 오차 범위를 가져올 수 있다는 사실입니다. 그러나 개발 중인 것은 "운영" 부분 이상입니다. 영형 자연어 처리(NLP) 기계가 인간의 언어와 맥락에 따라 동화하고 대응할 수 있도록 작업하고 있습니다.

어떻게 이런 일이 발생합니까?

Os 대규모 언어 모델(Large Language Models/LLMs in English) 인간이 일반적으로 말하고 쓰는 방식과 유사하게 텍스트를 읽고, 요약하고, 번역하고, 문장에서 미래의 단어를 예측할 수 있는 인공 지능 도구입니다. 영형 Google 드라이브예를 들어 에서는 이미 이 기능을 제공합니다.

실용적인 예로서 우리는 GPT-3 점점 늘어나고 있는 것. 이 AI 기술은 잡담 이상하게 정확한 "인간 커뮤니케이션"을 개발합니다. 이후 연구팀은 구글 훈련을 시작했다 자연어 처리라고 불리는 손바닥, LLM 틀에서 텍스트를 생성하지만 농담을 해석하고 설명하기 위해 개발되고 있습니다.

의 예에서 기사 프로젝트에 대해 더 자세히 설명하는 연구팀은 논리적 추론 및 문맥에 대한 밀도 높은 지식을 요구하는 기타 복잡한 언어 상황을 개발하는 프로토타입의 능력을 보여줍니다. 그때까지는 인간의 능력에 기인한 능력이었습니다. 이 위업을 달성하기 위해 그들은 생각의 사슬과 관련된 기술을 채택하고 있습니다. 이 방법은 인간이 논리적인 문제를 해결하려고 할 때 사고 과정에서 발달하는 단계의 시뮬레이션을 통해 시스템 성능을 향상시킵니다.

그리고 레이어는 여기서 멈추지 않습니다. 이 기술의 발전으로 인공 지능은 더 깊이 들어가 농담을 인식하고 해석할 수 있습니다. 심지어 사람들을 혼란스럽게 하는 장난도 마찬가지입니다.

예 : 얼룩말과 우산의 차이점은 무엇입니까? 하나는 말을 연상시키는 줄무늬 동물이고, 다른 하나는 비가 내리는 것을 막기 위해 사용하는 장치입니다.

설명: 이 농담은 실제로 농담 방지입니다. 문제는 대답이 뻔해서 재미있는 대답을 기대했다는 사실이 농담으로 드러난다는 것입니다.

PaLM의 사고 사슬 방식 뒤에는 지금까지 구축된 가장 큰 언어 모델 데이터베이스 중 하나가 있으며, 현재까지 총 540억 개의 매개변수가 있습니다. 이 경우 "매개 변수"는 새로운 상황화 데이터가 공급될 때마다 시스템의 학습 프로세스 중에 훈련되는 요소로 이해됩니다.

이러한 성장은 구글 사례별로 특정 및 개별 상황에 대해 AI를 훈련하는 데 전념할 필요 없이 광범위한 고품질 결과에 도달할 수 있습니다. 즉, 여기에서 우리는 몇 가지 교육 예제로 작업에서 광범위한 복잡한 기능을 학습할 수 있는 시스템의 기능을 가지고 있습니다.

프로젝트의 윤리적 위험

개발을 위한 기술이지만 GPT-3 기술 윤리에 대한 많은 전문가들은 대규모 언어 모델과 전체적으로 인공 지능의 사용을 포함하는 이러한 프로젝트에 반대합니다. 그 중 한 명이 연구원이다. 팀니트 게브루, AI 윤리 팀에서 퇴학당한 컴퓨터 과학자이자 존경받는 연구원 구글 프로젝트 개발에 대해 동의하지 않는 기사를 작성한 후 2020년.

본문에서 게 브루 그리고 그의 공저자들이 논의한 사실에 따르면 구글 그들은 본질적으로 위험하며 이러한 유형의 모든 지침이 메커니즘에서 아직 읽히지 않은 후에 소수로 간주되는 사회 집단의 일부인 사람들에게 잠재적으로 해로울 수 있습니다. 비록 GPT-3 현재 기술로 읽을 수 있으며 특히 복귀의 역사를 가지고 있습니다. 편견에 찬 답변 그리고 심지어 인종차별주의자.

의 기사에서 발췌한 내용에 따르면 게 브루, "사실 대부분의 언어 기술은 무엇보다도 이미 사회에서 더 많은 특권을 가진 사람들의 요구를 충족하도록 구성되었습니다." 그녀는 다음과 같이 덧붙입니다. 

“작성된 텍스트에 대해 저자에게 책임을 물을 수 있는 것과 유사하게 문서화는 가능한 책임을 허용하지만 문서화되지 않은 훈련 데이터는 의지할 수 없는 피해를 지속시킵니다. 교육 데이터가 문서화하기에 너무 큰 것으로 간주되면 이러한 문서화되거나 알려지지 않은 문제 중 일부를 완화하기 위해 그 특성을 이해하려고 시도할 수 없습니다.” 

Timnit Gebru, 인공 지능 윤리 전문가

인공 지능과 관련된 기술의 발전에 대해 어떻게 생각하십니까? 댓글로 알려주세요!

너무보세요:

학교에서 비디오 게임을 과목으로? 이해하다

YouTube 사용자가 뉴스를 소비하는 방식을 바꾸는 방법

출처 : 바이스

텍스트 교정자: 아이리스 자비에르.