Li Feifei mempunyai pandangan ini mengenai Laporan Sudut Pandangan AIGC｜Stanford HAI

Baru-baru ini, Institut Stanford HAI yang diketuai oleh Li Feifei mengeluarkan laporan perspektif tentang "AI generatif".

Laporan tersebut menunjukkan bahawa kebanyakan kecerdasan buatan generatif semasa didorong oleh model asas.

Peluang yang dibawa oleh model ini kepada kehidupan, komuniti dan masyarakat kita adalah sangat besar, begitu juga dengan risikonya.

Di satu pihak, AI generatif boleh menjadikan manusia lebih produktif dan kreatif. Sebaliknya, mereka boleh meningkatkan berat sebelah sosial dan juga menjejaskan kepercayaan kita terhadap maklumat.

Kami percaya bahawa kerjasama merentas disiplin adalah penting untuk memastikan teknologi ini memberi manfaat kepada kita semua. Inilah yang dikatakan oleh pemimpin dalam bidang perubatan, sains, kejuruteraan, kemanusiaan dan sains sosial tentang cara "kecerdasan buatan generatif" akan memberi kesan kepada bidang mereka dan dunia kita.

Dalam artikel ini, kami memilih pandangan Li Feifei dan Percy Liang tentang AI generatif semasa.

Untuk laporan pendapat penuh, sila lihat:

​https:// hai.stanford .edu/generative-ai-perspectives-stanford-hai​

Li Feifei: Titik perubahan hebat kecerdasan buatan

Li Feifei, pengarah bersama Stanford HAI, menyiarkan mesej: "Titik perubahan besar kecerdasan buatan."

Otak manusia boleh mengenali semua corak di dunia dan membina model atau menjana model berdasarkan pada konsep mereka. Impian beberapa generasi saintis kecerdasan buatan adalah untuk memberikan mesin keupayaan generatif ini, dan mereka telah bekerja keras untuk masa yang lama dalam bidang pembangunan algoritma model generatif.

Pada tahun 1966, penyelidik di MIT melancarkan "Summer Vision Project", yang bertujuan untuk menggunakan teknologi untuk membina sistem penglihatan dengan berkesan. Ini adalah permulaan penyelidikan dalam bidang penglihatan komputer dan penjanaan imej.

Baru-baru ini, terima kasih kepada hubungan rapat antara pembelajaran mendalam dan data besar, orang ramai nampaknya telah mencapai titik perubahan penting, yang akan membolehkan mesin menjana keupayaan bahasa, imej, Audio, dsb.

Walaupun visi komputer diilhamkan dengan membina AI yang boleh melihat perkara yang boleh dilihat oleh manusia, matlamat disiplin ini kini jauh melebihi itu dibina pada masa hadapan harus melihat perkara yang manusia tidak boleh.

Bagaimana untuk menggunakan kecerdasan buatan generatif untuk meningkatkan penglihatan manusia?

Sebagai contoh, kematian yang disebabkan oleh kesilapan perubatan merupakan isu yang membimbangkan di Amerika Syarikat. AI Generatif boleh membantu penyedia penjagaan kesihatan dalam melihat masalah yang berpotensi.

Jika ralat berlaku dalam keadaan yang jarang berlaku, AI generatif boleh mencipta versi simulasi data serupa untuk melatih model AI atau menyediakan latihan untuk kakitangan perubatan.

Sebelum anda mula membangunkan alat generatif baharu, anda harus menumpukan pada perkara yang orang ingin perolehi daripada alat tersebut.

Dalam projek baru-baru ini untuk menanda aras tugas robotik, pasukan penyelidik menjalankan kajian pengguna berskala besar sebelum memulakan kerja, bertanyakan orang sama ada mereka akan mendapat manfaat daripada robot yang menyelesaikan tugasan tertentu, dan tugasan yang paling memberi manfaat kepada orang ramai, menjadi tumpuan projek.

Untuk merebut peluang penting yang dicipta oleh AI generatif, risiko yang berkaitan juga perlu dinilai dengan betul.

Joy Buolamwini mengetuai kajian yang dipanggil "Gender Shading" dan mendapati AI sering menghadapi masalah mengenal pasti wanita dan orang kulit berwarna. Kecondongan yang sama terhadap kumpulan yang kurang diwakili akan terus muncul dalam AI generatif.

Ia juga merupakan keupayaan yang sangat penting untuk menentukan sama ada gambar dijana menggunakan AI. Masyarakat manusia dibina atas kepercayaan terhadap kewarganegaraan, dan tanpa keupayaan ini, rasa percaya kita akan berkurangan.

Kemajuan dalam keupayaan yang dihasilkan oleh mesin sangat mengujakan, begitu juga dengan potensi AI untuk melihat perkara yang tidak dapat dilihat oleh manusia.

Walau bagaimanapun, kita perlu berwaspada bahawa keupayaan ini boleh mengganggu kehidupan harian kita, persekitaran kita dan menjejaskan peranan kita sebagai warga global.

Percy Liang: "Era New Cambrian: Keterujaan dan Kebimbangan Sains"

Pengarah Institut Kepintaran Buatan Berpusatkan Manusia di Universiti Stanford, Profesor Madya Sains Komputer Percy Liang menerbitkan artikel "The New Cambrian Era: Excitement and Anxiety of Science"

Dalam sejarah manusia, sentiasa sukar untuk mencipta perkara baharu, dan kebolehan ini hampir hanya dimiliki oleh pakar.

Tetapi dengan kemajuan model asas baru-baru ini, "letupan Cambrian" kecerdasan buatan sedang berlaku, dan kecerdasan buatan akan dapat mencipta apa sahaja, daripada video kepada Protein kepada kod.

Keupayaan ini merendahkan ambang untuk penciptaan, tetapi ia juga menghalang kita daripada keupayaan untuk membezakan realiti.

Model asas berdasarkan rangkaian saraf dalam dan pembelajaran penyeliaan kendiri telah wujud selama beberapa dekad. Walau bagaimanapun, baru-baru ini, jumlah data yang banyak model ini boleh dilatih telah membawa kepada kemajuan pesat dalam keupayaan model.

Sebuah kertas kerja yang dikeluarkan pada 2021 memperincikan peluang dan risiko model asas, dan keupayaan yang muncul ini akan menjadi "sumber keseronokan bagi komuniti saintifik," Ia juga boleh membawa kepada "akibat yang tidak diingini."

Isu kehomogenan juga dibincangkan dalam kertas kerja. Beberapa model yang sama digunakan semula sebagai asas untuk banyak aplikasi, membolehkan penyelidik menumpukan pada set kecil model. Tetapi pemusatan juga menjadikan model ini satu titik kegagalan, dengan potensi bahaya yang menjejaskan banyak aplikasi hiliran.

Adalah sangat penting untuk menanda aras model asas supaya penyelidik dapat memahami dengan lebih baik keupayaan dan kelemahannya serta merangka strategi pembangunan yang lebih munasabah.

HELM (Penilaian Holistik Model Bahasa) telah dibangunkan untuk tujuan ini. HELM menilai prestasi lebih daripada 30 model bahasa yang terkenal dalam satu siri senario menggunakan pelbagai penunjuk seperti ketepatan, keteguhan dan kesaksamaan.

Model baharu, senario aplikasi baharu dan penunjuk penilaian baharu akan terus muncul Kami mengalu-alukan semua orang untuk menyumbang kepada pembangunan HELM.

Atas ialah kandungan terperinci Li Feifei mempunyai pandangan ini mengenai Laporan Sudut Pandangan AIGC｜Stanford HAI. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!