Tao Zhexuan a annoncé qu'il présiderait le groupe de travail sur l'IA générative de la Maison Blanche, et Li Feifei et Hassabis ont prononcé des discours

Récemment, le Conseil des conseillers du président américain sur la science et la technologie (PCAST) a créé un groupe de travail sur l'intelligence artificielle générative.

Il est à noter que le génie mathématique Tao Zhexuan joue le rôle de co-leader dans ce groupe de travail.

Tao Zhexuan a posté sur son blog que Laura Greene et moi co-présidons ce groupe de travail sur l'intelligence artificielle générative.

Il a déclaré dans son blog que ce groupe étudie principalement l'impact plus large de la technologie de l'intelligence artificielle générative sur la science et la société, y compris les grands modèles de langage textuels populaires (tels que ChatGPT), les modèles de diffusion de génération d'images. (comme DALL-E2, Midjourney), ainsi que des modèles pour des applications scientifiques (telles que la conception de protéines ou les prévisions météorologiques).

Tao Zhexuan préside le groupe d'IA générative

La Maison Blanche a mentionné dans un article publié le 13 que le groupe d'IA générative créé par PCAST ​​​​aide à évaluer les principales opportunités et risques de l'intelligence artificielle et donne des conseils sur comment les garantir au mieux ? Contribuer au développement et au déploiement de technologies de la manière la plus équitable, responsable et sûre possible.

À la fin de l'article, vous pouvez voir que Tao Zhexuan fait partie des membres du groupe de travail.

De plus, Lisa Su, PDG d'AMD, est également membre de ce groupe d'IA générative.

Selon le blog de Terence Tao, le groupe IA générative tiendra une réunion publique lors de la conférence PCAST ​​le vendredi 19 mai.

Lien en direct : https://www.whitehouse.gov/pcast/meetings/2023-meetings/

Deux panels d'experts présenteront l'état actuel de l'intelligence artificielle générative, se terminant par un lien détaillé de questions-réponses. . Ces intervenants incluent :

Intelligence artificielle pour la science :

Anima Anandkumar (Caltech & NVIDIA)

Demis Hassabis (Google DeepMind)

Fei-Fei Li (Stanford)

Intelligence artificielle et société :

Sendhil Mullainathan (Chicago)

Daron Acemoglu (MIT)

Sarah Kreps (Cornell University)

De plus, Tao a également mentionné Today, le travail Le groupe sollicite l'avis du public sur la manière de progresser dans le déploiement actif d'applications d'IA générative et sur la meilleure façon d'atténuer les risques.

L'accent initial est mis sur la manière de détecter, de résister et d'atténuer les fausses informations et les DeepFake générés par l'intelligence artificielle sans sacrifier la liberté d'expression. Il s'agit d'un sujet difficile.

Après l'ajout de ChatGPT au flux de travail

Après la naissance de ChatGPT, il a également été favorisé par des experts en mathématiques comme Terence Tao.

Dans son dernier article sur Mathstodon, il a partagé son point de vue sur les outils d'IA générative.

J'ai commencé à voir les avantages comparatifs entre moi et les outils d'IA générative actuels. J’ai déjà suffisamment de compétences pour optimiser les tâches que j’effectue au quotidien, donc les outils d’IA ne m’aident pas vraiment beaucoup. Le plus évidemment dans l'étude des mathématiques, mais aussi dans la rédaction d'e-mails.

Pour les tâches pour lesquelles j'ai une certaine expertise, mais peu de pratique, les outils d'IA sont utiles : je peux souvent les utiliser pour créer une première ébauche du résultat, que je peux ensuite valider et réviser, ou au moins servir de une source d'inspiration à utiliser. Parfois, je trouve que les lacunes de l'IA peuvent m'inspirer. Bien que cela soit également conforme à l'essence de la loi de Cunningham, il est toujours plus efficace d'utiliser l'IA que de chercher des réponses de manière indépendante. Des exemples de ce type incluent le traitement de données, la traduction vers des langues étrangères et l'écriture dans des formats que j'utilise rarement, comme la prise de parole en public, les documents de règles, etc.

Pour les tâches pour lesquelles j'ai peu d'expertise et ne nécessitent pas une qualité extrêmement élevée et un résultat fiable, il est possible de simplement demander à l'outil d'IA et de suivre plus ou moins ses suggestions. Ici, l'IA fonctionne comme une version légèrement plus pratique des moteurs de recherche traditionnels.

Enfin, pour les tâches pour lesquelles je n'ai aucune expertise mais qui nécessitent une qualité et une fiabilité que ni l'IA ni moi-même ne pouvons résoudre, je dois consulter des experts humains. Comme réparer un équipement complexe, coûteux et délicat.

En bref, les opinions de Tao Zhexuan sur les outils d'IA générative sont divisées en quatre catégories. Il convient de noter qu'il n'y a pas beaucoup de valeur ajoutée dans son domaine d'expertise en mathématiques.

Pour la troisième situation, Tao a donné un exemple en demandant à ChatGPT de résumer l'article précédent dans un organigramme.

ChatGPT fournit une description du texte. Tao a déclaré que l'on suppose que le futur GPT multimodal sera en mesure de fournir directement un organigramme au lieu de donner une description textuelle.

Un exemple pour la deuxième catégorie de tâches : Après avoir réalisé que je pouvais demander à GPT de sortir l'organigramme au format LaTeX, j'ai obtenu la première image ci-dessous, qui n'est évidemment pas parfaite. Mais comme je connais LaTeX, il n'est pas difficile de le corriger manuellement sur la deuxième image.

Évidemment, Tao a également utilisé ChatPDF, devenu populaire il y a quelque temps, dans le flux de travail.

En mars, Tao a déclaré qu'il avait décidé d'essayer d'intégrer des outils d'IA dans mon flux de travail de différentes manières. Ceux-ci incluent des outils tels que ChatGPT et DeepL.

Dans la période suivante, il a souvent partagé certaines de ses expériences en utilisant des outils tels que ChatGPT.

De nombreuses fonctions cachées de ChatGPT ont été découvertes par lui, telles que la recherche de formules, l'analyse de documents au format code, la réécriture d'énoncés de thèse, etc.

Par exemple, ChatGPT peut parfois faire une récupération sémantique semi-finie en mathématiques, c'est-à-dire l'utiliser pour générer des indices.

Par exemple, Terence Tao a demandé à ChatGPT d'identifier le théorème de Kummer à partir de la description. Il n'a pas réussi à donner la bonne réponse, mais sur la base de la réponse approximative qu'il a donnée (formule de Legendre).

À cet égard, Tao Zhexuan a déclaré que le rôle de l'intelligence artificielle en mathématiques est de fournir une réponse préliminaire approximative, qui peut ensuite être combinée avec les moteurs de recherche traditionnels pour trouver facilement la bonne réponse.

Tao Zhexuan a également découvert le point fort de ChatGPT dans le traitement des problèmes mathématiques, étant capable d'identifier des versions translittérées de concepts mathématiques dans différentes langues.

Alternativement, ChatGPT peut être invité à convertir un ensemble de références obtenues à partir de MathSciNet et à les formater en bibitems dans un environnement bibliographique LaTeX.

Mais ChatGPT ne fait-il pas des erreurs ?

Dans une question visant à prouver "s'il existe une infinité de nombres premiers", Tao Zhexuan a constaté que la réponse donnée par ChatGPT n'était pas tout à fait correcte.

D'un autre côté, il a constaté que les idées d'argumentation données par ChatGPT pouvaient être corrigées, et il n'avait jamais vu cette idée auparavant.

Des outils d'IA tels que ChatGPT ont-ils été ajoutés à votre flux de travail ?

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!