ຄຽງຄູ່ກັບຄວາມຄືບຫນ້າຂອງມັນ, ປັນຍາປະດິດ (AI) ມີຄວາມກ້າວຫນ້າຫຼາຍຂຶ້ນ, ແລະຄວາມສ່ຽງຂອງອັນທີ່ເອີ້ນວ່າ "ການສືບພັນ" ໃນລະບົບ AI ການຜະລິດກາຍເປັນອັນຕະລາຍ, ທົ່ວໄປມາດົນນານໃນບັນດາປະຊາກອນມະນຸດແລະສັດພາຍໃນບ້ານ.
ບົດຄວາມນີ້ຈະສ່ອງແສງບາງຢ່າງກ່ຽວກັບແນວຄວາມຄິດຂອງ inbreeding ໃນແສງສະຫວ່າງຂອງ AI ຜະລິດຕະພັນແລະວິທີການ inbreeding ອາດຈະກາຍເປັນການກ່ຽວຂ້ອງກັບອະນາຄົດຂອງເນື້ອຫາທີ່ສ້າງ AI.
ຄວາມເຂົ້າໃຈ Generative AI Inbreeding Generative AI ລະບົບເຊັ່ນຕົວແບບພາສາຂະຫນາດໃຫຍ່ (LLMs) ແມ່ນການຝຶກອົບຮົມຕົ້ນຕໍກ່ຽວກັບຊຸດຂໍ້ມູນທີ່ສົມບູນແບບຈາກເນື້ອໃນຂໍ້ຄວາມ, ຮູບພາບ, ແລະສຽງທີ່ມີຢູ່ໃນເວັບ. ໃນເບື້ອງຕົ້ນ, ຊຸດຂໍ້ມູນສ່ວນໃຫຍ່ປະກອບມີລາຍການທີ່ສ້າງຂຶ້ນໂດຍມະນຸດ, ເຊັ່ນ: ວັນນະຄະດີ, ບົດຄວາມ, ແລະວຽກງານສິລະປະ. ຢ່າງໃດກໍຕາມ, ດ້ວຍການເພີ່ມຂຶ້ນຂອງເຄື່ອງມື AI ທົ່ວໄປ, ເນື້ອຫາຫຼາຍຂື້ນໃນອິນເຕີເນັດແມ່ນໄດ້ຖືກຂຽນໂດຍ AI ເອງ.
ການປ່ຽນແປງນີ້ເຮັດໃຫ້ເກີດຄວາມກັງວົນກ່ຽວກັບຄຸນນະພາບແລະຄວາມຫຼາກຫຼາຍຂອງຊຸດຂໍ້ມູນທີ່ໃຊ້ໃນການຝຶກອົບຮົມລະບົບ AI ໃນອະນາຄົດ. ດ້ວຍການວິວັດທະນາການຂອງເນື້ອຫາທີ່ສ້າງໂດຍ AI, ຄາດວ່າ AI ຮຸ່ນໃນອະນາຄົດຫຼາຍຄົນຈະຮຽນຮູ້ຈາກຊຸດຂໍ້ມູນທີ່ບໍ່ໄດ້ເປັນຕົວແທນຂອງເນື້ອຫາຂອງມະນຸດແຕ່ອຸປະກອນທີ່ສ້າງໂດຍ AI.
ຜົນສະທ້ອນຂອງການຜະລິດ AI ຜະລິດຕະພັນແມ່ນ multifaceted.
ໃນທາງກົງກັນຂ້າມ, ການສືບຕໍ່ການຮຽນຮູ້ໂດຍລະບົບ AI ຈາກຈໍານວນຊຸດຂໍ້ມູນທີ່ເປັນເອກະພາບກັນຫຼາຍຂື້ນສາມາດນໍາໄປສູ່ການຫຼຸດລົງຂອງຄວາມຄິດສ້າງສັນແລະຕົ້ນສະບັບໃນຜົນຜະລິດທີ່ສ້າງໂດຍ AI.
ຖ້າຂະບວນການນີ້ຖືກເຮັດຊ້ໍາອີກ - ນັ້ນແມ່ນ, ການຄັດລອກຈາກສໍາເນົາ - ຢ່າງຕໍ່ເນື່ອງໃນໄລຍະຫຼາຍລຸ້ນຄົນ, ຄຸນນະພາບຂອງຜົນຜະລິດແມ່ນເຈືອຈາງ, ແລະຜົນໄດ້ຮັບມີຄວາມສ່ຽງຕໍ່ການເປັນວຽກທີ່ມີສ່ວນຮ່ວມຫນ້ອຍລົງແລະອາດຈະສະທ້ອນໃຫ້ເຫັນເຖິງສິ່ງທີ່ພວກເຮົາຄິດວ່າເປັນຜົນຜະລິດສ້າງສັນຂອງມະນຸດ. . ດ້ວຍການຂະຫຍາຍຕົວຂອງເນື້ອຫາທີ່ສ້າງໂດຍ AI ທີ່ໄດ້ຮັບການຝຶກອົບຮົມໃນຊຸດຂໍ້ມູນ inbred, ບັນຫາດັ່ງກ່າວອາດຈະຮ້າຍແຮງຂຶ້ນ.
ຖ້າຊຸດຂໍ້ມູນການຝຶກອົບຮົມບໍ່ມີຄວາມຫຼາກຫຼາຍພຽງພໍ, ລະບົບ AI ທີ່ຖືກພັດທະນາພຽງແຕ່ຈະເຮັດຫນ້າທີ່ເສີມສ້າງແລະຂະຫຍາຍຄວາມລໍາອຽງທີ່ມີຢູ່ໃນເນື້ອຫາທີ່ສ້າງໂດຍ AI, ດັ່ງນັ້ນການທໍາລາຍການນໍາໃຊ້ທີ່ຫນ້າເຊື່ອຖືຂອງເນື້ອຫາທີ່ສ້າງໂດຍ AI ເປັນແຫລ່ງຂໍ້ມູນ. ຍິ່ງໄປກວ່ານັ້ນ, ການຂາດຄວາມຫຼາກຫຼາຍຂອງຂໍ້ມູນການຝຶກອົບຮົມອາດຈະຈໍາກັດຄວາມເປັນໄປໄດ້ຂອງການພັດທະນາລະບົບ AI ທີ່ສາມາດເຂົ້າໃຈແລະເປັນຕົວແທນຂອງປະສົບການແລະທັດສະນະຂອງມະນຸດຢ່າງຖືກຕ້ອງ. ນີ້ອາດຈະເປັນການຈໍາກັດຄວາມຄືບຫນ້າໃນຂົງເຂດຄໍາຮ້ອງສະຫມັກທີ່ແຕກຕ່າງກັນຂອງ AI, ເຊັ່ນ: ການປະມວນຜົນພາສາທໍາມະຊາດ, ການສ້າງເນື້ອຫາ, ແລະລະບົບການຕັດສິນໃຈ.
ການແກ້ໄຂສິ່ງທ້າທາຍຂອງການສືບພັນ AI ທົ່ວໄປ
ສໍາຄັນທີ່ສຸດ, ນີ້ແມ່ນຄວາມສ່ຽງທີ່ແທ້ຈິງ, ໂດຍສະເພາະແມ່ນການຜະສົມຜະສານຂອງເຕັກໂນໂລຊີ AI ການຜະລິດ. ເຖິງຢ່າງໃດກໍ່ຕາມ, ມັນໃຫ້ຄວາມຮັບຜິດຊອບຕໍ່ນັກຄົ້ນຄວ້າ, ນັກພັດທະນາ, ແລະແມ້ກະທັ້ງຜູ້ວາງນະໂຍບາຍທີ່ຈະປະຕິບັດຢ່າງຫ້າວຫັນ, ຮັບປະກັນວ່າຊຸດຂໍ້ມູນທີ່ມີຄວາມຫຼາກຫຼາຍແລະຕົວແທນຖືກໃຊ້ເປັນຄວາມສໍາຄັນອັນດັບຫນຶ່ງໃນໄລຍະການຝຶກອົບຮົມຂອງລະບົບ AI, ປະສົມປະສານກົນໄກທີ່ສາມາດກວດພົບແລະຫຼຸດຜ່ອນ. ຄວາມລໍາອຽງໃນເນື້ອຫາທີ່ສ້າງໂດຍ AI, ແລະການຮັບປະກັນການຮ່ວມມືລະຫວ່າງວິຊາການທີ່ມີປະສິດທິພາບໃນຂະນະທີ່ແກ້ໄຂແລະຮັບປະກັນຜົນກະທົບດ້ານຈັນຍາບັນແລະສັງຄົມຂອງການກໍ່ສ້າງ AI ໄດ້ຖືກເອົາໃຈໃສ່.
ພວກເຂົາເຈົ້າຄວນຈະສ້າງຄວາມສະດວກເພີ່ມເຕີມຕໍ່ກັບຄວາມຕ້ອງການສໍາລັບການເປີດແລະຄວາມຮັບຜິດຊອບໃນການນໍາໃຊ້ລະບົບ AI ແລະຮຽກຮ້ອງໃຫ້ມີການຮັບຮູ້ເຖິງຂໍ້ຈໍາກັດແລະຄວາມລໍາອຽງທີ່ຈະແບ່ງປັນກັບຜູ້ໃຊ້ຂອງ AI ຜະລິດເນື້ອໃນ. ດັ່ງນັ້ນ, ພາກສ່ວນກ່ຽວຂ້ອງທັງໝົດສາມາດຊອກຫາການຮ່ວມມືກັນຢ່າງຈິງຈັງໃນການຄຸ້ມຄອງພະລັງງານຂອງ AI ການຜະລິດໃນຂະນະທີ່ຫຼຸດຜ່ອນຄວາມສ່ຽງທີ່ກ່ຽວຂ້ອງກັບການສືບພັນໃນການພັດທະນາ AI.
ແນວຄວາມຄິດຂອງ inbreeding ໃນ AI ໂດຍທົ່ວໄປແມ່ນສິ່ງທ້າທາຍທີ່ຍິ່ງໃຫຍ່ໃນອະນາຄົດສໍາລັບການພັດທະນາແລະການນໍາໃຊ້ລະບົບ AI. ນີ້ຈະຊ່ວຍໃຫ້ພວກເຂົາຮັບປະກັນວ່າການພັດທະນາທີ່ມີຄວາມຮັບຜິດຊອບແລະຈັນຍາບັນຂອງການປັບປຸງເຕັກໂນໂລຢີທີ່ດີຂຶ້ນສໍາລັບສັງຄົມແມ່ນບັນລຸໄດ້ໂດຍການເຂົ້າໃຈຜົນກະທົບແລະວິທີການປັບປຸງການປັບປຸງພັນທຸກໍາຂອງ AI ຢ່າງມີປະສິດທິພາບ.
ທີ່ມາ: https://www.cryptopolitan.com/generative-ai-growing-in-ai-development/