Pētnieki ir veikuši virzīgu pētījumu, lai novērtētu mākslīgā intelekta spējas caur interaktīviem sarunām. Šis pētījums ieviesa modernizētu pieeju, atšķirībā no 1950. gadā Alanam Turingam izsmeļoši ieteiktā Turinga testa, kas novērtē mašīnas spēju izpaust cilvēka līmeņa inteliģenci.
Daudzveidīga 500 dalībnieku grupa iesaistījās piecminūšu sarunās ar četriem sarunu biedriem: cilvēku, 1960. gadu AI programmu ELIZA, un jaunākajiem AI modeļiem GPT-3.5 un GPT-4, kas ir ChatGPT pamatā. Pēc saskarēm dalībniekiem bija jānosaka, vai viņi sarunājas ar cilvēku vai mākslīgo intelektu.
9. maijā arXiv sālpapīru serverī publicētie rezultāti uzrādīja būtisku uztveres maiņu. Dalībnieki uzskatīja, ka GPT-4 ir cilvēks 54% gadījumu, demonstrējot modeļa izcilās sarunu spējas.
Savukārt ELIZA, sistēma, kas iepriekš ielādēta ar atbildēm, bet bez lielas valodas modeļa vai neironu tīkla arhitektūras, tika pareizi identificēta tikai 22% laikā dalībniekiem. GPT-3.5 sasniedza atpazīšanas līmeni 50%, kamēr cilvēka dalībnieks ieguva visaugstāko precizitāti 67%.
Papildu Fakti:
– Pēdējos gados ir panākts ievērojams progres mākslīgā intelekta pārbaudēs, īpaši, attīstot sarežģītākus AI modeļus ar uzlabotām spējām dabiskās valodas apstrādē un saprašanā.
– Viena no svarīgākajām attīstības jomām ir AI algoritmu pilnveidošana, lai uzlabotu sarunu spējas un imitētu cilvēka līdzīgas saskarsmes, kā to parāda pētījumi, kas novērtē AI veiktspēju dialogos un sarunās.
– Dažādi nozares, ieskaitot tehnoloģijas, veselības aprūpi, finanses un izklaide, arvien vairāk izmanto AI testēšanas metodoloģijas, lai uzlabotu produktu kvalitāti, efektivitāti un lietotāju pieredzi.
Galvenās Jautājumi:
1. Kā mākslīgā intelekta testēšanas progresi var ietekmēt AI piedziņas un izplatīšanas lietojumu attīstību reālu scenāriju gadījumos?
2. Kādus etiskus apsvērumus vajadzētu ņemt vērā, veicot eksperimentus, lai novērtētu AI spējas caur interaktīvām sarunām?
3. Kādas ir iespējamās sekas, ja AI modeļi sasniedz cilvēka līmeņa sarunu spējas sabiedrībā un starpersoniskajās saskarsmēs?
Galvenie Iesaistītie Jautājumi un Kontroverses:
– Interpretācijas Novecošana: Noteikt kritērijus AI saskarsmju veiksmes novērtēšanai un potenciālo neitrālās personas uztveres AI sistēmās.
– Datu Privātums un Drošība: Nodrošināt jutīgo informāciju aizsardzību, kas tiek kopīgota AI saskarsmēs, un risināt satraucošos jautājumus, saistītos ar datu noplūdiem vai ļaunprātīgu izmantošanu.
– Algoritmiskā Nepārredzamība: Risināt AI modeļu nepārredzamības trūkumu un ar to saistītās grūtības saprast, kā tiek pieņemtas lēmumu sarunu laikā.
Priekšrocības:
– Uzlabota Lietotāja Iesaistīšana: AI modeļi ar uzlabotām sarunu spējām var uzlabot lietotāju iesaistīšanos un saskarsmi dažādās lietojumprogrammās, piemēram, čatbotus, virtuālās palīdzības un klientu atbalsta sistēmas.
– Efektivitāte un Automatizēšana: AI testēšanas progresi iespējo konversāciju novērtēšanas procesu automatizēšanu, taupot laiku un resursus attīstītājiem un pētniekiem.
– Inovācija un Progresi: Mākslīgo intelektu uzlabošana, izmantojot testēšanu, veicina inovācijas šajā jomā un atvieglo vairāk attīstītu un gudru sistēmu radīšanu.
Nepilnības:
– Ētiskas Bēdas: Risinājums par AI modeļu iespējamību maldināt lietotājus vai manipulēt informāciju saskarsmē raisa ētiskas bažas par pārredzamību un uzticību.
– Algoritmiskie Iebiedējumi: AI testēšana nejauši var uzturēt baiļu šķirnes, kas ir sastopamas apmācības datā, izraisot diskriminējošu uzvedību vai neprecīzus novērtējumus par sarakstes spējām.
– Uztraukums Par Cilvēka Aizstāšanas Iespējamiem: Kad AI sistēmas tuvojas cilvēka līdzīgām konversācijas prasmēm, var būt bažas par ietekmi uz cilvēku nodarbinātību un cilvēku saskarsmju vērtības samazināšanos noteiktos kontekstos.
Ieteicamās Saistītās Saites:
– IBM Oficiālā Tīmekļa vietne
– Investopeidijas Sākumlapa
– Nosaukta News
[iekons]https://www.youtube.com/embed/4RixMPF4xis[/iekons]
The source of the article is from the blog crasel.tk