Горка лекција: Зашто ChatGPT Тријумфовао над ручно израђеним рачунарским техникама
Укратко
Есеј професора Рича Сатона из 2019. „Горка лекција“ предвиђа значајан напредак у вештачкој интелигенцији, као нпр. ChatGPT/GPT-4 OpenAI'с методологије.
Текст наглашава промену парадигме у вештачкој интелигенцији, где рачунарске методе доминирају перформансама без људске интуиције.
Међутим, многи истраживачи настављају да следе приступе засноване на интуицији, занемарујући потенцијал метода заснованих на прорачуну.
Есеј "Горка лекција“, који је написао професор Рич Сатон 2019. године, од тада је добио значај за стручњаке за машинско учење и људе заинтересоване за разумевање будућности вештачке интелигенције. Увиди дати у овом документу предвидели су важан развој у АИ, укључујући појаву ChatGPT/GPT-4 и прихватање OpenAI'с методологије.
Срж „Горке лекције“ истражује промену парадигме у области вештачке интелигенције. У прошлости су научници који су проучавали вештачку интелигенцију имали тенденцију да мисле да је за развој напредне вештачке интелигенције потребан изузетан, карактеристичан приступ, познат и као „индуктивна пристрасност“. Ова идеја алудира на додавање специјализованих информација или интуитивног разумевања одређеног проблема, што затим усмерава пут решења машине.
Централна тема „Горке лекције” испитује промену парадигме у проучавању вештачке интелигенције. Раније су истраживачи који су проучавали АИ имали склоност да верују да је за стварање напредне вештачке интелигенције потребан изузетан, јединствен приступ. Ова пристрасност се назива „индуктивна пристрасност“. Овај концепт предлаже додавање специјализованог знања или интуитивног увида у одређени проблем, који затим усмерава пут решења машине.
Али образац који се понавља постао је очигледан. Истраживачи су то више пута открили једноставним додавањем више података и рачунарске снаге, могли би надмашити резултате добијене овим мукотрпно израђеним методама. Овај образац није био специфичан за једно поље, али се појавио у шаху, гоу, старцрафт-у, а вероватно и у нетхацк-у. Конволуционе неуронске мреже, на пример, боље раде у пољу компјутерског вида од ручних техника као што су СИФТ. Занимљиво је приметити да је проналазач СИФТ-а касније рекао да би, да су неуронске мреже постојале када је спроводио своје истраживање, изабрао тај правац деловања. Слично овоме, ЛСТМ су надмашили све системе засноване на правилима у области машинског превођења. Користећи једноставну стратегију „додај више слојева“, ChatGPT/GPT-4, водећи пример овог тренда, успео је да надмаши високо развијене моделе које су креирали рачунарски лингвисти.
Срж Сатонове „горке лекције“ је да рачунарске методе које људска интуиција не модификује често надмашују друге приступе у погледу перформанси. Ово схватање, међутим, није постало широко прихваћено. Многи истраживачи и даље следе сложене стратегије засноване на интуицији, често игноришући потенцијал инклузивних приступа заснованих на прорачунима.
Пет разлога зашто GPT тријумфовао над ручно израђеним рачунарским техникама:
- скалабилност: Рачунске методе, посебно када су проширене са више података, имају потенцијал да се развијају и прилагођавају како технологија напредује, чинећи их отпорнијим на будућност.
- Ефикасност: Опште методе засноване на прорачунима и подацима доследно су надмашиле специјализоване методе засноване на људској интуицији у различитим доменима, од игара као што су шах и Го до машинског превођења и компјутерског вида.
- Широка применљивост: Ове опште методе вођене рачунањем су разноврсне и могу се применити у различитим дисциплинама без потребе за подешавањем специфичним за домен.
- Једноставност: Системи изграђени на сировом рачунска снага а подаци имају тенденцију да буду једноставнији у свом приступу, без потребе за сложеним прилагођавањима заснованим на људској интуицији.
- Доследан учинак: Као што показују примери попут ChatGPT/GPT-4, модели засновани на прорачуну могу постићи доследне високе перформансе, често превазилазећи специјализоване методе.
Оригинални есеј је непроцењив алат за боље разумевање гледишта професора Сатона и принципа који воде ову путању вештачке интелигенције.
Чланак је инспирисан Телеграм каналом “Борис Агаин."
Прочитајте више о АИ:
Одрицање од одговорности
У складу са Смернице пројекта Труст, имајте на уму да информације дате на овој страници нису намењене и не треба да се тумаче као правни, порески, инвестициони, финансијски или било који други облик савета. Важно је да инвестирате само оно што можете приуштити да изгубите и да тражите независан финансијски савет ако сумњате. За додатне информације, предлажемо да погледате одредбе и услове, као и странице помоћи и подршке које пружа издавач или оглашивач. MetaversePost је посвећен тачном, непристрасном извештавању, али тржишни услови су подложни променама без претходне најаве.
О аутору
Дамир је вођа тима, менаџер производа и уредник у Metaverse Post, покривајући теме као што су АИ/МЛ, АГИ, ЛЛМ, Метаверсе и Web3-сродна поља. Његови чланци привлаче огромну публику од преко милион корисника сваког месеца. Чини се да је стручњак са 10 година искуства у СЕО и дигиталном маркетингу. Дамир се помиње у Масхабле, Виред, Cointelegraph, Тхе Нев Иоркер, Инсиде.цом, Ентрепренеур, БеИнЦрипто и друге публикације. Путује између УАЕ, Турске, Русије и ЗНД као дигитални номад. Дамир је стекао диплому физике, за коју верује да му је дало вештине критичког размишљања које су му потребне да буде успешан у свету интернета који се стално мења.
više чланакаДамир је вођа тима, менаџер производа и уредник у Metaverse Post, покривајући теме као што су АИ/МЛ, АГИ, ЛЛМ, Метаверсе и Web3-сродна поља. Његови чланци привлаче огромну публику од преко милион корисника сваког месеца. Чини се да је стручњак са 10 година искуства у СЕО и дигиталном маркетингу. Дамир се помиње у Масхабле, Виред, Cointelegraph, Тхе Нев Иоркер, Инсиде.цом, Ентрепренеур, БеИнЦрипто и друге публикације. Путује између УАЕ, Турске, Русије и ЗНД као дигитални номад. Дамир је стекао диплому физике, за коју верује да му је дало вештине критичког размишљања које су му потребне да буде успешан у свету интернета који се стално мења.