Meta je istrenirala umjetnu inteligenciju na 48 milijuna znanstvenih radova i onda je - ugasila - Monitor.hr
22.11.2022. (20:00)

Nije zlato sve što je žuto i sjaji

Meta je istrenirala umjetnu inteligenciju na 48 milijuna znanstvenih radova i onda je – ugasila

AI vs. Machine Learning vs. Deep Learning: What's the Difference?

Meta AI je početkom prošlog tjedna službeno predstavila demonstraciju Galactice, velikog jezičnog modea dizajniranog za ‘pohranu, kombiniranje i raspravu o znanstvenim informacijama’. Veliki jezični modeli, odnosno large language models (LLM) su alati za umjetnu inteligenciju koji mogu čitati, sažeti i prevesti tekst te predvidjeti nadolazeće riječi u rečenici stvarajući rečenice koje su vrlo slične onima koje koriste pravi ljudi. Metin je alat trebao ubrzati pisanje znanstvene literature, no ispada da mu je najbolje išlo stvaranje realističnih besmislica. Nakon nekoliko dana ispunjenih intezivnim kritikama Meta je demonstraciju odlučila povući s interneta. Veliki jezični modeli poput OpenAI-jevog GPT-3 uče pisati tekst proučavanjem milijuna primjera i razumijevanjem statističke povezanosti između riječi. Zahvaljujući tome, umjetna inteligencija može stvarati dokumente koji zvuče uvjerljivo, makar bili ispunjeni neistinama i možda čak opasnim stereotipima. Neki kritičari LLM-ove zovu ‘stohastičnim papigama’ zbog njihove mogućnosti da ispljunu uvjerljiv tekst bez razumijevanja njegovog značenja. Tportal

https://twitter.com/mrgreene1977/status/1593274906707230721


Slične vijesti

02.03. (23:00)

Kad ti AI napokon kaže da nisi u pravu - i to ti zapravo pomogne

Claude preuzeo primat: Zašto je tech novinar otkazao pretplate na druge velike jezične modele

Autor na XDA portalu opisuje kako je nakon korištenja više AI alata, uključujući ChatGPT, Gemini i Perplexity, odlučio prijeći isključivo na Claude. Ističe da ga je privukla kontinuirana inovacija, konkretne i korisne značajke poput Code i Cowork te osjećaj da alat zaista unaprjeđuje njegov radni proces. Posebno cijeni to što Claude ne uljepšava odgovore niti bezuvjetno potvrđuje njegove stavove, već jasno ukazuje na pogreške. Također naglašava prirodniji ton komunikacije i učinkovitost – s manje ponavljanja i manje frustracija, što mu dugoročno štedi vrijeme i novac.