Хөгжил дэвшлийн хажуугаар хиймэл оюун ухаан (AI) улам бүр хөгжиж, хиймэл оюун ухааны систем дэх "цусаар төрөлт" гэж нэрлэгддэг эрсдэл нь хүн болон гэрийн тэжээвэр амьтдын популяцид түгээмэл тохиолддог аюул болж байна.
Энэхүү нийтлэл нь хиймэл хиймэл оюун ухааны үүднээс цус ойртолтын тухай ойлголт болон цус ойртолт нь хиймэл оюун ухаанаар үүсгэгдсэн контентын ирээдүйтэй хэрхэн холбогдож болох талаар тодорхой мэдээлэл өгөх болно.
Generative AI цус ойртолтын тухай ойлголт Том хэлний загвар (LLMs) гэх мэт Generative AI системийг үндсэндээ вэб дээр байгаа текст, визуал болон аудио контентын цогц өгөгдлийн багц дээр сургадаг. Эхэндээ өгөгдлийн багцад уран зохиол, нийтлэл, урлагийн бүтээл зэрэг хүний бүтээсэн зүйлсийг голчлон багтаасан. Гэсэн хэдий ч хиймэл хиймэл оюун ухааны хэрэгслүүд нэмэгдэхийн хэрээр интернет дэх илүү олон контентыг хиймэл оюун ухаан өөрөө бичиж байна.
Энэхүү шилжилт нь ирээдүйн хиймэл оюун ухааны системийг сургахад ашигладаг өгөгдлийн багцын чанар, олон талт байдлын талаар санаа зовоож байна. Хиймэл оюун ухаанаар бүтээгдсэн контентын хувьсал өөрчлөлтийг хийснээр Ирээдүйн олон үеийн хиймэл оюун ухааны загварууд хүний агуулгыг төлөөлдөггүй, харин хиймэл оюунаар бүтээгдсэн материалаас суралцах болно.
Генератив AI цус ойртолтын үр дагавар нь олон талт байдаг.
Эсрэгээр, хиймэл оюун ухааны системээр улам олон тооны нэгэн төрлийн өгөгдлийн багцаас үргэлжлүүлэн суралцах нь хиймэл оюун ухаанаас бий болсон гаралтын бүтээлч байдал, өвөрмөц байдлыг бууруулахад хүргэж болзошгүй юм.
Хэрэв энэ үйл явц давтагдах юм бол, өөрөөр хэлбэл хуулбараас хуулбарлах нь үе үе давтагдах юм бол бүтээгдэхүүний чанар муудаж, үр дүн нь хүний бүтээлч үр дүн гэж үздэг ажил багатай, тусгагдахгүй байх эрсдэлтэй. . Төрөлхийн өгөгдлийн багц дээр бэлтгэгдсэн хиймэл оюун ухаанаар үүсгэгдсэн контент нэмэгдэхийн хэрээр ийм асуудал улам бүр хурцдаж магадгүй юм.
Хэрэв сургалтын өгөгдлийн багц хангалттай олон янз биш бол хөгжүүлсэн хиймэл оюун ухааны системүүд нь хиймэл оюун ухаанаар үүсгэгдсэн контент доторх гажуудлыг бататгах, өсгөхөд чиглэгдэх бөгөөд ингэснээр хиймэл оюун ухаанаар үүсгэгдсэн контентыг мэдээллийн эх сурвалж болгон найдвартай ашиглах боломжийг улам бүр дордуулна. Цаашилбал, сургалтын мэдээллийн олон талт байдал дутмаг байгаа нь хүний туршлага, хэтийн төлөвийг зөв ойлгож, илэрхийлэх хиймэл оюун ухааны системийг хөгжүүлэх боломжийг хязгаарлаж болзошгүй юм. Энэ нь байгалийн хэл боловсруулах, контент үүсгэх, шийдвэр гаргах систем гэх мэт хиймэл оюун ухааны өөр өөр хэрэглээний салбарт ахиц дэвшлийг хязгаарлаж магадгүй юм.
Генератив AI цус ойртолтын сорилтыг шийдвэрлэх нь
Хамгийн гол нь, энэ нь жинхэнэ эрсдэл, ялангуяа хиймэл оюун ухааныг бий болгох технологиудын цус ойртолт юм. Гэсэн хэдий ч энэ нь судлаачид, хөгжүүлэгчид, тэр ч байтугай бодлого боловсруулагчдад идэвхтэй ажиллах, AI системийг сургах явцад олон янзын, төлөөлөх өгөгдлийн багцыг нэн тэргүүний зорилт болгон ашиглах, илрүүлэх, бууруулах боломжтой механизмуудыг нэгтгэх үүрэг хариуцлагыг өгдөг. Хиймэл оюун ухаанаас бий болсон контент дахь өрөөсгөл ойлголт, салбар хоорондын үр дүнтэй хамтын ажиллагааг хангахын зэрэгцээ хиймэл оюун ухааныг бий болгох ёс зүй, нийгэмд үзүүлэх үр дагаврыг шийдвэрлэх, баталгаажуулах зэрэгт анхаарал хандуулдаг.
Эдгээр нь хиймэл оюун ухааны системийг нэвтрүүлэхэд нээлттэй, хариуцлагатай байх хэрэгцээг цаашид хөнгөвчлөх ёстой бөгөөд хиймэл оюун ухаанаар үүсгэсэн контентын хэрэглэгчдэд хязгаарлалт, өрөөсгөл хандлагын талаарх ойлголтыг хуваалцахыг шаардах ёстой. Тиймээс бүх оролцогч талууд хиймэл оюун ухааны хөгжилд цус ойртолттой холбоотой эрсдлийг бууруулахын зэрэгцээ үүсгэгч хиймэл оюун ухааны хүчийг ашиглахад идэвхтэй хамтран ажиллахыг эрэлхийлж чадна.
Төрөлх хиймэл оюун ухаан дахь цус ойртолтын үзэл баримтлал нь хиймэл оюун ухааны системийг хөгжүүлэх, нэвтрүүлэх ирээдүйн томоохон сорилт юм. Энэ нь тэдэнд хиймэл оюун ухаант цус ойртолтыг үр дүнтэй сайжруулах үр дагавар, арга замыг ойлгох замаар нийгэмд зориулсан технологийн дэвшлийг хариуцлагатай, ёс зүйтэй хэрэгжүүлэхэд тусална.
Эх сурвалж: https://www.cryptopolitan.com/generative-ai-growing-in-ai-development/