Iki Wektu Kanggo Ngobrol Grup Babagan AI

23 Januari 2023

Timothy Prickett Morgan

Aturan pisanan saka teknologi apa wae yaiku bisa digunakake kanggo becik utawa ala, nanging umume digunakake kanggo perkara sing ora jelas. Aturan kapindho, sing arang digunakake, yaiku sawetara teknologi kudu dikontrol kanthi ketat amarga karusakan skala global sing bisa ditindakake. Fisi nuklir lan fusi nuklir langsung ana ing pikiran. Lan uga cabang khusus machine learning sing diarani deep learning, sing umume diarani latihan AI saiki.

Aku ora bisa ngelingi persis nalika miwiti nulis babagan latihan AI lan jaringan saraf lan kerangka ing ngisor iki, nanging aku nulis Watson. Jeopardy! tantangan gedhe ing April 2009 nalika Big Blue mbuwang tantangan kanggo pemain manungsa lan aku ana ing IBM Research ing Januari 2011 nalika David Ferrucci mbukak sistem Watson Deep QA menyang Wall Street – sing sadurunge Watson njupuk juara manungsa ing Jeopardy! game show sasi mengko.

Ing wektu, aku setengah guyon – nanging uga setengah serius – takon Ferrucci yen aku bisa teka IBM Research karo kabeh aku tau wrote lan nggawe TPM virtual kanggo nindakake proyek kanggo kula. Dheweke ngguyu lan sopan demurred.

Ing kunjungan sing padha, aku uga ngandhani salah sawijining peneliti sing nggawe sawetara algoritma statistik inti sing ngidini Watson duwe pangolahan kawruh kaya manungsa sing nalika kita kudu bali ing wektu kanggo mateni wong amarga jagad iki bakal ilang. terminator, bilih piyambakipun ingkang kedah dipun pejahi. Aku guyon, lan kita kabeh wis ngguyu apik, nanging mung padha, kabeh werna lemes metu saka pasuryan. Muga-muga, sing ora profetik.

Setaun sabanjure, peneliti AI wis nggawe set anyar lan beda jaringan saraf convolutional (CNN) sing mlaku ing mesin GPU paralel massively sing nganggo kerangka pangenalan gambar ResNet. Nalika iku, durung bisa cocog karo pakar manungsa ing pangenalan gambar. Nanging butuh kurang saka telung taun kanggo nindakake. Lan ing mangsa panas 2015, aku lungguh ing tutorial sinau jero ing Hot Chips 27 lan aku weruh pitunjuk pisanan yen lelucon babagan ngganti aku karo mesin – lan mbok menawa sampeyan uga, programer RPG ing donya – bisa uga bener. kenabian.

Roland Memisevic, asisten profesor ing Universitas Montreal, salah siji saka hotbeds riset AI, lan saiki direktur senior ing chipmaker Qualcomm, menehi presentation sing nuduhake soko aku wis dikarepake lan wedi mung dicokot. (Sampeyan bisa ndeleng ing kene lan entuk PDF ing kana.) Ing presentasi kasebut, Memisevic nuduhake jaringan saraf ambalan (RNNs) sing, diwenehi korpus data adhedhasar Internet, nalika diwenehi ukara bisa nggawe crita bali menyang diwiwiti saka penghargaan kasebut lan maju nganti pungkasan. Lan ing bagean sabanjure presentation, kang nuduhake RNN padha ngasilaken program saka siji baris kode, mundur lan maju. (Bisa uga Python. Aku ora yakin.) Iki RNNs sing Memisevic nuduhake padha cilik ing syarat-syarat model GPT-3 dina, kang wis liwat 175 milyar paramèter, kang ndasari aplikasi ChatGPT sing wis njupuk donya dening badai iki. wulan, lan sing nggawe pangembang OpenAI dadi jeneng kluwarga.

GPT-3 minangka model pangolahan basa alami sing dikembangake dening OpenAI minangka conto sing diarani model dhasar utawa model basa gedhe. ChatGPT punika chatbot ngarep-mburi ing GPT-3, lan bisa nulis teks uga kode cukup uga sawetara wektu, lan bab setengah wektu iku njedulake soko antarane gobbledygook lan omong kosong. Gagasan dhasar karo model dhasar iki yaiku sampeyan ngandhani apa sing kudu ditindakake lan ditindakake adhedhasar analisis statistik sing akeh babagan hubungan ing teks ing set data sing diwenehake. Paramèter kasebut, lan model kasebut nggawe bobot statistik sing ngidini model ngerti apa sing kudu ditindakake kanthi cara sing padha karo Watson nerjemahake pernyataan swara menyang teks lan nindakake analisis statistik luwih saka 200 yuta kaca teks ing korpus kanggo ngrumusake. wis Jeopardy! pitakonan. Jaringan saraf iki minangka trik statistik lan pengambilan data sing simulasi, niru, utawa niru imajinasi manungsa. (Sampeyan milih siji. Aku ora bisa ngomong. Aku ora aran kaya trik statistik nalika nulis iki, nanging mungkin aku salah.)

Waspada ChatRPG – Utawa Ora

OpenAI njaga kontrol sing ketat banget babagan model GPT-3, nanging ayo nindakake eksperimen pamikiran ing kene. Ayo kita nganggep manawa jinis kemampuan terjemahan basa ing OpenAI’s GPT-3, Google BERT, Nvidia’s NeMo Megatron lan LLM liyane kasedhiya kanggo kita gunakake, lan kita duwe akses menyang kapasitas komputasi – lan dhuwit – kanggo nglatih model kasebut. Nanging, kita entuk pakar model sing wis dilatih ing terjemahan basa lan dipotong lan disetel kanggo nindakake terjemahan kode aplikasi. Kita nggawe soko sing diarani OpenRPG lan minangka dhasar sing njupuk kabeh kode sumber pangguna pungkasan lan kita nglatih ora mung carane nulis kode RPG, nanging kanggo ngowahi saka ILE RPG dadi RPG gratis, utawa saka RPG II utawa RPG III dadi. freeform RPG. Utawa kita nyebat OpenIBMi lan kita ngidini ngowahi saka RPG warisan menyang kombinasi basa apa wae. Yen kita menehi cukup kode nyata, bisa ngatasi masalah modernisasi aplikasi ing IBM i liwat macem-macem otomatis? Yen kita menehi mesin coding praktik paling apik, kayata ARCAD, apa bakal mbantu?

Iki bisa uga katon ora masuk akal, nanging ana perusahaan sing jenenge Jasper sing duwe akses menyang LLM sing dilatih lan wis duwe meh 100.000 pelanggan – lan regane pasar luwih saka $ 1,5 milyar – sing nggunakake model kasebut kanggo ngilangi manual produk ing pirang-pirang basa ​adhedhasar spek produk uga ngasilake materi pemasaran produk lan kaca web kanggo perusahaan ing saindenging jagad.

OK, dadi iku nerangake iku. Saiki kita kabeh ngerti carane manual elek kedaden. . . .

Nanging kanthi serius, pangadeg Jasper, Dave Rogenmoser, ujar manawa model saiki (ora adhedhasar GPT-3) bisa entuk udakara 70 persen manual rampung kanthi cepet lan 30 persen isih ditindakake dening manungsa. Perusahaan kasebut pindhah menyang sistem superkomputer skala wafer saka Cerebras lan GPT-3 LLM ing mburi chatbot ChatGPT lan jelas ngarep-arep entuk asil sing luwih apik lan nggedhekake proses AI lan bisnise.

Aku bakal ngelingake sampeyan yen ing 2010, nalika tantangan klasifikasi gambar ImageNet pisanan ditanggulangi dening aplikasi machine learning sing mlaku ing GPU, tingkat kesalahan kanggo machine learning ana 28 persen lan ing tengah taun 2014 wis ngliwati tingkat kesalahan manungsa 5 persen lan wis dawa wiwit wis adoh, adoh ngisor tingkat lan nyedhak dikutuk cedhak sampurna. Ora bakal suwe sadurunge LLM iki bakal bisa nggawe program adhedhasar teknik pengkodean praktik paling apik kanggo basa tartamtu kanthi akurasi luwih saka 95 persen. Ditto kanggo nulis konten ing Internet.

Kita kabeh kudu ngunggahake game kanthi keunikan lan sintesis, lan iki bakal dadi wayahe John Henry kanggo kita kabeh sing durung diganti lan dipindhah dening Revolusi Industri. Saiki ing jaman Digital pungkasan, pengeboran uap minangka jaringan saraf sintetik lan sledgehammer sing sampeyan duwe yaiku otak sampeyan dhewe. Sapa sing ngerti persis carane kabeh iki bakal diputer? Kabeh aku ngerti manawa ana wong sing bakal nggawe dhuwit saka iki, lan mbokmenawa ora dadi aku utawa sampeyan.

Ana kemungkinan njaba aku salah babagan carane AI bakal mindhahake akeh wong, nanging bakal dadi kesalahan ing wektu, ora ing jinis. Muga-muga butuh wektu sing luwih suwe, lan muga-muga kanggo awake dhewe.

Siji bab pungkasan. Teknologi AI minangka jinis bom nuklir, lan kanthi tepat ing metafora, kaya bom neutron: Iku mateni wong, nanging ninggalake bangunan sing ngadeg. Manungsa iku dicey ing paling apik karo tumindak bebarengan, nanging padha akèh poto-dijogo kanggo sisih paling. Lan kanthi semangat kasebut, kita kudu mikir kanthi serius babagan carane ngatur panggunaan teknologi AI – lan suwe sadurunge bisa ngganti fungsi saka puluhan yuta nganti milyaran wong.

Kita kabeh ora bisa mung njagong nonton media, main game, lan mangan endhas lemak saka ember sing dibayar dening penghasilan dhasar universal. Sing ora urip karo makna.

Bumi kudune babagan budidaya urip kanthi makna – ing endi wae udakara 8 milyar, nyatane. Bumi kanggo manungsa, lan manungsa uga kudu ngurus Bumi lan kabeh sing ana ing kono. Kita ana ing ndhuwur rantai panganan lan tingkat paling dhuwur ing planet (nganti saiki) lan kita kudu mesthekake yen gawe bumi. Aku ora pengin utawa butuh AI kanggo ngganti kita kabeh, lan utamane ora perlu nggawe Google, Microsoft, Amazon, Facebook, Alibaba, Baidu, Tencent, ByteDance, lan Apple luwih sugih lan luwih kuat tinimbang saiki.

Iki luwih saka Super 9 utawa malah negara tartamtu lan pamrentahane. Iki minangka prekara sing ana ing kita kabeh, lan kita kabeh duwe pidato sing sah miturut kabecikan kita. lingkungan alam. Sawise kabeh, kita diwenehi hak-hak sing ora bisa dicopot dening Sang Pencipta, lan luwih becik kita tangi yen pengin urip, kamardikan, lan nguber kabegjan.

Iku wektu kanggo duwe obrolan kulawarga sethitik kita dhewe, wong.

CERITA RELATED

Apa Sampeyan Mikir Tegese Modernisasi?

Modernisasi Trumps Migration kanggo IBM i lan Mainframe, IDC Says

Ing Spektrum Modernisasi Aplikasi

Ngilangi Mitos Modernisasi

Umume Proyek Modernisasi Aplikasi minangka Perjuangan, Temokake Survei

Modernisasi Diwiwiti saka Bisnis, lan Tech Follows

Pengunduran Diri Agung Intersects Modernisasi Aplikasi lan Transformasi Digital

Pengin Modernisasi? apik tenan! Saiki njaluk kerja

Utang Teknis: The Silent Killer

Ngrencanakake Proyek Modernisasi? Waca Iki Pisanan

Modern Sakbenere: Nggawe Kamenangan Cepet Bagéyan saka Strategi Modernisasi Panjenengan

Dadi Sampeyan pengin Nggawe Layanan Mikro Kontainer Ing Awan?

Sak tenane modern: pendekatan inovatif lan nyata kanggo IBM i Modernisasi

Leave a Comment

Your email address will not be published. Required fields are marked *