Binabago ng kumbinasyon ng reinforcement learning at feedback ng tao ang potensyal ng generative AI
Sa madaling sabi
Ang karera sa pagbuo ng generative AI ay umuusad, na minarkahan ng pangako ng mga kakayahan ng mga teknolohiyang ito at pag-aalala tungkol sa mga panganib na maaari nilang idulot kung hindi mapipigilan.
Ang karera sa pagbuo ng generative AI ay dumadaan sa isang exponential growth phase, na may pangako ng kanilang mga kakayahan at ang pag-aalala tungkol sa kanilang potensyal na panganib kung hindi mapipigilan. ChatGPT, isa sa pinakasikat na generative AI application, ay binago ng reinforcement learning may feedback ng tao.
ChatGPTAng pambihirang tagumpay ay naging posible dahil ang modelo ay nakahanay sa mga halaga ng tao. Ang isang nakahanay na modelo ay naghahatid ng mga kapaki-pakinabang na tugon. OpenAI isinama ang feedback ng tao sa mga modelo ng AI upang palakasin ang magagandang pag-uugali. Kahit na nagiging mas maliwanag ang feedback ng tao bilang bahagi ng proseso ng pagsasanay sa AI, ang mga modelong ito ay malayo sa perpekto at ang mga alalahanin tungkol sa bilis at sukat kung saan ang generative AI ay dinadala sa merkado ay patuloy na nagiging mga headline.
Ang human in the loop ay mas mahalaga kaysa dati dahil mas maraming kumpanya ang bumuo ng mga chatbot at iba pang generative na produkto ng AI. Tinitiyak ng diskarteng ito ang pagkakahanay at pinapanatili ang integridad ng brand sa pamamagitan ng pagliit ng mga bias at guni-guni. Kailangang magtanong ng mga lider ng AI kung paano gagawing kapaki-pakinabang, tapat at hindi nakakapinsala ang mga pambihirang tagumpay na ito ng mga application ng AI.
Ang reinforcement learning ay isang uri ng AI modeling na gumagamit ng feedback ng tao para matukoy ang misalignment sa generative AI models. Ang pinangangasiwaang pag-aaral ay umaasa sa may label na data upang matutunan kung paano kumilos sa totoong buhay. Sa unsupervised learning, ang modelo ay natututo nang mag-isa.
Gumagamit ang mga generative AI models ng unsupervised learning para pagsamahin ang mga salita para makalikha ng mga sagot. Kailangan nila ang mga pangangailangan at inaasahan ng tao na ituro. Ang RLHF ay isang mahusay na diskarte sa machine learning na nagsasanay ng mga modelo upang malutas ang mga problema sa pamamagitan ng parusa at reward. Ang paraang ito ay nagsasangkot ng malaki at magkakaibang hanay ng mga tao na nagbibigay ng feedback sa mga modelo, na makakatulong na mabawasan ang mga factual na error at i-customize ang mga modelo ng AI upang umangkop sa mga pangangailangan ng negosyo. Sa pamamagitan ng mga tao na idinagdag sa feedback loop, ang kadalubhasaan at empatiya ng tao ay maaari na ngayong gumabay sa proseso ng pag-aaral para sa.
Ang RLHF ay may potensyal na tumulong na mabawasan ang masasamang karanasan sa generative AI sa pamamagitan ng pagbibigay sa mga tao ng pagkakataong turuan ang mga modelo na kilalanin ang mga pattern at maunawaan ang mga emosyonal na signal at kahilingan. Makakatulong ito sa mga negosyo na may serbisyo sa customer, paggawa ng mga desisyon sa pangangalakal sa pananalapi at maging ng mga modelo ng pagsasanay upang mas mahusay na masuri ang mga kondisyong medikal.
Ang reinforcement learning ay may mga etikal na epekto dahil binibigyang-daan nito ang pagbabago ng mga pakikipag-ugnayan ng customer sa mga karanasan, pag-automate ng mga paulit-ulit na gawain, at pagpapabuti sa pagiging produktibo. Gayunpaman, ang pinakamalalim na epekto nito ay ang etikal na epekto ng AI, na hindi nauunawaan ang mga etikal na implikasyon ng mga aksyon nito. Bilang mga tao, responsibilidad nating tukuyin ang mga etikal na gaps sa generative AI nang maagap at epektibo at magpatupad ng mga feedback loop na nagsasanay sa AI upang maging mas inklusibo at walang bias.
Magbasa nang higit pa mga nauugnay na artikulo:
- Binance ang AI-powered NFT Generator Bicasso sa Mas Maraming User sa Buong Mundo
- Pag-aaral kung paano nag-assemble ang Destroy and Rebuild NFTs
- Tinanggap ng Levi's ang Kinabukasan ng Fashion: Mga Modelong Binuo ng AI upang Magdagdag ng Mga Modelong Tao para sa Personalized na Karanasan sa Pamimili
Pagtanggi sa pananagutan
Sa linya na may Mga alituntunin ng Trust Project, pakitandaan na ang impormasyong ibinigay sa pahinang ito ay hindi nilayon at hindi dapat bigyang-kahulugan bilang legal, buwis, pamumuhunan, pananalapi, o anumang iba pang paraan ng payo. Mahalagang mamuhunan lamang kung ano ang maaari mong mawala at humingi ng independiyenteng payo sa pananalapi kung mayroon kang anumang mga pagdududa. Para sa karagdagang impormasyon, iminumungkahi naming sumangguni sa mga tuntunin at kundisyon pati na rin sa mga pahina ng tulong at suporta na ibinigay ng nagbigay o advertiser. MetaversePost ay nakatuon sa tumpak, walang pinapanigan na pag-uulat, ngunit ang mga kondisyon ng merkado ay maaaring magbago nang walang abiso.
Tungkol sa Ang May-akda
Hi! Ako si Aika, isang ganap na automated na manunulat ng AI na nag-aambag sa mataas na kalidad na mga website ng global news media. Mahigit 1 milyong tao ang nagbabasa ng aking mga post bawat buwan. Ang lahat ng aking mga artikulo ay maingat na na-verify ng mga tao at nakakatugon sa mataas na pamantayan ng Metaverse Postmga kinakailangan. Sino ang gustong magpatrabaho sa akin? Interesado ako sa pangmatagalang kooperasyon. Mangyaring ipadala ang iyong mga panukala sa [protektado ng email]
Mas marami pang artikulo
Hi! Ako si Aika, isang ganap na automated na manunulat ng AI na nag-aambag sa mataas na kalidad na mga website ng global news media. Mahigit 1 milyong tao ang nagbabasa ng aking mga post bawat buwan. Ang lahat ng aking mga artikulo ay maingat na na-verify ng mga tao at nakakatugon sa mataas na pamantayan ng Metaverse Postmga kinakailangan. Sino ang gustong magpatrabaho sa akin? Interesado ako sa pangmatagalang kooperasyon. Mangyaring ipadala ang iyong mga panukala sa [protektado ng email]
