AI uczona na własnych tekstach traci kontakt z rzeczywistością. Badacze z Oxford

Według naukowców modele językowe trenowane na własnych outputach zaczynają błędnie postrzegać rzeczywistość i tracą zdolność do nietypowych pomysłów. Bez dopływu ludzkiej twórczości mają ubożeć.

- #
- #
- #
- 96
- Odpowiedz






Komentarze (96)
najlepsze
Wiecie jaki model oni testowali? Meta OPT-125M z 2022 roku xD
W skrócie: wykorzystali stary model nadający się co najwyżej na automatyzację tasków do generowania danych do uczenia tego samego modelu (kilka razy) i byli wielce zaskoczeni, że model się zesrał. Powód dla którego wybrali tak mały, stary i kiepski model? Chęć "ograniczenia śladu węglowego".
Po pierwsze to jest ten sam źródłowy paper z 2023, do którego linkowałem https://arxiv.org/pdf/2305.17493 xD
Po drugie: g---o, a nie GPT-4. Wklej sobie w tłumacza, jeśli nie kumasz po ang. To jest wstępniak, w którym wspominają istniejące modele
@clown_world_order: Otrzymane minusy potwierdzają Twoją tezę :-D
@werfogd: Takie są fakty.
źródło: Rey_Carlos_II
PobierzPrzestańcie okłamywać ludzi.
AI to statystyczna baza danych. I tyle. Wie tyle ile danych w nią wpuszczono.
Jakoś deeoseek wydestylowany z dużych modeli jest bardzo dobry i tani
A jeszcze warto sobie przypomnieć, że ludzie uczą się z ludzkich książek a nie boskich czy kosmickich .. To jest wyłącznie kwestia skali która trzeba przekroczyć.
OPT-125M był trenowany na relatywnie małej liczbie tokenów, przez co jego ogólna wiedza o świecie jest baaardzo płytka. Jego contex window to żenujące z obecnej perspektywy 2048 tokenów xD Ba, to jest czysty tekstowy transformer starej szkoły z podstawowym kodownaiem pozycji i bez zaawansowanych funkcjach "uwagi". Dzisiejsze nawet "głupie" modele pokroju Qwen