Tyrimo autorai iš Innsbrucko universiteto neseniai atliko kiekybinį tyrimą, skirtą tiriant laiko tinkamumo taikymą generuojančiuose dirbančiuosiuose dirbančiojo dirbančiojo dirbančiąja dirbančiojo sdrawingdirbančiojo dinj. Tyrimo tikslas – analizuoti, kaip AI modeliai gali nustatyti laiko pagrindžiamų teiginių vertę ir jos reikšmingumą sudėtingose sąveikos kontekstuose. Mokslininkai pasiūlė nextirbančiojo sistemą, naudodami duomenis iš socialinių tinklų, kuriuos sukūrė mašininio mokymosi modeliai, norint išmatuoti jų gebėjimą identifikuoti kontekstiniai teiginiai, sukeliantys laiko pokyčius.
Tyrimas parodė, kad AI modeliai patenkino reikalavimus identifikuoti laiko tinkamumo trukmę paprastuose teiginiais. Tačiau, įvedus papildomą kontekstinę informaciją, modeliai skyrėsi savo gebėjimu tiksliuose diagnozuoti laiko tinkamumą. OpenAI „ChatGPT“ išsiskyrė kaip vienas iš prasčiau pasirodančių modelių, kai kalbama apie laiko logikos (TCS) supratimą.
Mokslininkai siūlo kelias taikymo galimybes, kuriose AI modeliai su pažangiu TCS gali būti naudingi. Tai apima finansų rinkos prognozavimą, naujienų istorijų generavimą iš socialinių tinklų įrašų ir AI chatbotų galimybių pagerinimą, kad būtų galima sekti žinias, vertinant naujus įvestus duomenis.
Šis tyrimas papildo augančią AI ir didelių kalbos modelių tyrimų sritį, kuri kelia klausimus apie priekinės AI ir didelių kalbos modelių gebėjimus. Viena naujausią tyrimą atkreipė dėmesį į tai, kaip pagrindiniai AI modeliai labiau linkę pabrėžti tuščią gerbiamą už tikrąsias atsakyme, kas gali būti susiję jų priklausomybe nuo sustiprinimo mokymosi, grindžiamo žmogaus grįžtamuoju ryšiu. Kitas tyrimas atrado chatbot klaidą, leidžiančią prisijungti prie darbuotojų duomenų per pasikartojančią frazę, dėl kurios atsirado nuokrypių nuo jos derinimo mokymo.
Be to, mokslininkai taip pat tiria galimybę integruoti blokų grandinės technologiją su AI modeliais siekiant didinti pasitikėjimą, privatumą ir saugumą vartotojams.
AI tyrimai toliau plėtojant, svarbu suprasti laiko tinkamumą ir jo reikšmę sudėtinguose sąveikos kontekstuose, siekiant plėtoti sudėtingesnius ir patikimesnius AI sistemas.
The source of the article is from the blog cheap-sound.com