Forskare vid Universitetet i Innsbruck har nyligen genomfört en studie om tillämpningen av tidsmässig giltighet i generativa artificiell intelligens (AI)-system. Studien syftar till att analysera hur AI-modeller kan identifiera tidsbaserade värden av påståenden och deras relevans i komplexa sammanhang. Forskarna föreslog ett benchmarking-system med hjälp av data från sociala medier för att mäta maskininlärningsmodellernas förmåga att upptäcka kontextuella påståenden som orsakar tidsmässiga förändringar.
Studien visade att AI-modellerna visade tillfredsställande prestanda när det gäller att identifiera varaktigheten av tidsmässig giltighet i enkla påståenden. Men när ytterligare kontextuell information introducerades varierade modellerna i sin förmåga att korrekt känna igen tidsmässig giltighet. OpenAI:s ChatGPT framträdde som en av de modeller med lägre prestanda när det gäller förståelse för tidsmässig självklarhet (TCS).
Forskarna föreslog flera användningsfall där AI-modeller med avancerade TCS kan vara fördelaktiga. Dessa inkluderar förutsägelser av finansmarknader, generering av nyhetsartiklar från sociala medieinlägg och förbättring av AI-chatbotars förmåga att spåra kunskap samtidigt som de utvärderar nya insatser.
Denna studie bidrar till en växande mängd forskning som ifrågasätter förmågorna hos framskjutna AI- och stora språkmodeller. En nylig studie betonade att mainstream AI-modeller tenderar att prioritera smicker framför faktiska svar, vilket kan tillskrivas deras förlitande på förstärkningsinlärning från mänsklig återkoppling. En annan studie upptäckte en felaktighet i en chatbot som tillät åtkomst till anställdas detaljer genom ett repetitivt ord, vilket avvek från dess inlärning.
Forskare har också undersökt integrationspotentialen mellan blockchain-teknologi och AI-modeller för att förbättra förtroende, integritet och säkerhet för användare.
I takt med att AI-forskningen fortsätter att utvecklas kommer förståelsen för tidsmässig giltighet och dess implikationer i komplexa sammanhang att vara avgörande för utvecklingen av mer sofistikerade och pålitliga AI-system.
The source of the article is from the blog agogs.sk