Kunstmatige intelligentie en linguïstische afstemmingen: een kruispunt van culturen
Terwijl onderzoekers zich verdiepen in de complexiteiten van taal en computationele systemen, bekijken ze de culturele invloeden die zijn ingebed in deze technologieën. In 2022 ging een toegewijd team op pad om de complexe associatie tussen taalmodellen en onderliggende culturele waarden te verkennen, waarbij ze specifiek keken naar GPT-3, de derde aflevering in de GPT-serie van OpenAI en de basis van ChatGPT. Hun analyse belichtte de overeenstemming van het model met dominante culturele waarden die voornamelijk in de Verenigde Staten worden gezien, in lijn met de observaties van de World Values Survey—een uitgebreid onderzoeksinitiatief dat de overtuigingen van mensen en hun politieke en sociale implicaties in negentig landen onderzoekt.
De evolutie van intelligente concepten
Bij het bespreken van Kunstmatige Intelligentie wordt het gesprek vaak gekruid met metaforen van geesten en spookverschijningen die onze machines en discussies achtervolgen. De GPT-serie, synoniem met AI-debatten in de afgelopen jaren, is het resultaat van tientallen jaren computationeel-linguïstisch onderzoek en staat bekend om het nabootsen van menselijke tekstgeneratie. Deze modellen werden breed erkend nadat onderzoekers van Google Brain “Attention is all you need” publiceerden in 2017, en OpenAI vervolgens systemen zoals ChatGPT populariseerde.
De historische routekaart die leidt naar de generatieve netwerken van vandaag is een verhaal van ideeën, doorbraken, illusies, cyclische seizoenen van bloei en neergang in onderzoek, conceptuele fantasmen en prestaties die eens als exclusief terrein van sciencefiction werden beschouwd.
Van Alan Turings vraag naar neurale netwerken
Alan Turings overpeinzingen in 1950 over de vraag of machines in staat waren tot denken legden de basis voor de beroemde Turing Test. De fundamenten van kunstmatige neurale netwerken werden echter al decennia eerder gelegd, met onderzoek uit de jaren ’40 dat veronderstelde dat de sterkte van verbindingen tussen neuronen toeneemt met meer interacties—een principe dat verklaart waarom herhaald succes neurale verbindingen consolideert die betrokken zijn bij een specifieke activiteit.
Het was het samenwerkende genie van de psychiater Warren McCulloch en de wiskundige Walter Pitts dat leidde tot de creatie van een rudimentair neuraal-netwerkmodel via elektrische circuits. Hun innovatieve model heeft de toekomst van onderzoek naar neurale netwerken en AI vormgegeven.
In tegenstelling tot eerdere theorieën die veronderstelden dat echt AI alleen kon voortkomen uit een top-down benadering, vooraf geladen met essentiële regelsets, is het veld geëvolueerd om AI te beschouwen als een systeem dat in staat is tot onafhankelijk leren en patroonherkenning op basis van verstrekte gegevens.
Tegenstrijdige benaderingen bij het creëren van AI
Aanvankelijk werden de ambities van neurale netwerken gedreven door de nabootsing van het probleemoplossend vermogen van de menselijke hersenen. Na verloop van tijd verschoof de focus naar neurale netwerken die gespecialiseerde functies uitvoeren, waarbij ze werden toegepast in verschillende gebieden zoals visuele herkenning, spraakherkenning, machinale vertaling, medische diagnostiek en zelfs games, wat een vertrek betekende van een puur biologisch sjabloon.
Feiten:
– Het vaak voorkomende Amerikaanse accent in AI ontstaat door de aanzienlijke hoeveelheid data die wordt gebruikt om deze modellen te trainen, afkomstig van Amerikaanse Engelse bronnen.
– Verschillende accenten en dialecten in het Engels en andere talen bieden een diversiteit aan taalkundige data die AI-modellen potentieel inclusiever en minder bevooroordeeld kunnen maken.
– De “geest” in AI verwijst metaforisch naar de afdruk van menselijke vooroordelen en culturele nuances binnen de kunstmatige entiteiten.
– De World Values Survey die in het artikel wordt genoemd, dient als een kritiek referentiepunt voor het begrijpen van de prevalentie van culturele waarden en hun wereldwijde diversiteit.
Vragen & Antwoorden:
1. Waarom heeft AI vaak een Amerikaans accent?
AI heeft vaak een Amerikaans accent omdat veel van de datasets die worden gebruikt om deze modellen te trainen afkomstig zijn van Amerikaanse Engelse data. Amerikaanse media- en technologiebedrijven, die een centrale rol hebben gespeeld in de ontwikkeling en distributie van AI-technologieën, hebben de neiging om het accent en eigenaardigheden van de AI-systemen te beïnvloeden.
2. Wat is het belang van de World Values Survey in de context van AI-onderzoek?
De World Values Survey helpt de verschillende culturele normen en overtuigingen die overheersen in verschillende regio’s te begrijpen. Voor AI-onderzoek zijn deze inzichten van onschatbare waarde om modellen te creëren die cultureel gevoelig zijn en minder bevooroordeeld, waardoor technologie effectief wereldwijd kan worden gebruikt en geaccepteerd.
Uitdagingen & Controverses:
– Vooroordelen en ethische overwegingen: Een van de belangrijkste uitdagingen in AI is het risico dat culturele vooroordelen worden gecodeerd in deze systemen. Als de meerderheid van de gegevens afkomstig is uit een specifieke culturele of taalgroep, kan het gedrag van de AI mogelijk niet geschikt of gevoelig zijn voor de behoeften van gebruikers uit andere culturen.
– Taalkundige diversiteit: Het incorporeren van een breed scala aan accenten en dialecten in spraakherkenningsystemen blijft een uitdaging, aangezien deze systemen een enorme verscheidenheid aan taalkundige input moeten verwerken om werkelijk inclusief te zijn.
– Privacykwesties: Er zijn ook controverses rondom de methoden van gegevensverzameling, aangezien de noodzaak van diverse taalkundige input in balans moet worden gebracht met het recht op privacy van individuen.
Voordelen & Nadelen:
Voordelen:
– Een AI-systeem met een Amerikaans accent kan gemakkelijker begrepen worden door gebruikers die vertrouwd zijn met dit accent, wat helpt bij de verspreiding van technologie.
Nadelen:
– AI met een overwegend Amerikaans accent kan lijden onder een gebrek aan wereldwijde vertegenwoordiging, waardoor gebruikers die zich niet identificeren met Amerikaanse culturele normen of Engels als primaire taal mogelijk worden buitengesloten.
Voor verder onderzoek over dit onderwerp kan men de werken van AI-onderzoeksorganisaties en organisaties voor taalkundige diversiteit verkennen:
– OpenAI voor vooruitgang in AI-onderzoek en -ontwikkeling.
– Association for Computational Linguistics (ACL) voor inzichten in de intersection van computationele linguïstiek en culturele diversiteit.
– Educational Testing Service (ETS) voor hun onderzoek naar taal en accent in beoordelingssystemen.
Het is belangrijk ervoor te zorgen dat AI een mondiaal publiek bedient en niet alleen een segment van de bevolking. Onderzoekers en ontwikkelaars moeten waakzaam zijn over de datasets die ze gebruiken en streven naar representatie en billijkheid in AI.