AI的新闻:知道什么,忽略什么

作者Johanna Pingel,2022年6月24日

36次查看(过去30天)|0个赞|0个评论

有最近讨论人工智能成为自我意识。让我们来谈谈它从工程的角度来看:你需要知道什么,这对你意味着什么。

索赔和技术

背后的技术趋势是变压器模型:训练一个神经网络结构,在许多单词和句子,并将预测下一个单词一个句子中去。变形金刚的世界已成为非常受欢迎的:这些模型可以理解关系和文本和其他顺序数据的趋势。最终的应用程序可以从情绪分析对象识别图像字幕。

架构之一对话的消息是谷歌的语言模式应用程序(λ),根据谷歌的博客可以进行自由流动方式看似无穷无尽的话题。”This is because the input data used to train the model was dialogue-based, and the model was trained to respond in a way that is "sensible and specific."

您可以探索和实现变压器模型在MATLAB中:https://github.com/matlab-deep-learning/transformer-models与模型如伯特,GPT-2。

重要的是要记住,少量的研究人员正在致力于这方面的人工智能,而一个更大的社区重点是使用变压器和其他人工智能架构来提高我们每天使用的系统。而变压器是一个强大的架构,他们其中一个模型体系结构,可以为各种应用程序提供真正的结果在AI。

对“新闻”

抱歉唐纳,但周围的人工智能是不存在的。

这里有一篇文章我发现使用GPT-3谈话非常…独特的特点:https://www.aiweirdness.com/interview-with-a-squirrel/

此外,还有一些研究者,宁愿让人注重实际的,现实生活中的好与坏现在的人工智能。

我建议,当面对科技新闻中,是用一种健康的方式一切怀疑和不注重结果,但如何能与工作,或改善,你已经做的工作。

你仍然可以兴奋AI的原因吗

我们不需要炒作的人工智能技术是有用的。真的,AI可能不会走在我们中间,但解决实际问题。把炒作从人工智能的留意的话,比如“人工智能超过人类的准确性”。这是真的吗?也许不是。不管怎样,大家偏离的原因你应该考虑使用深度学习在你的工作和机器学习技术。

这对工程师来说意味着什么呢?

像往常一样,让我们把这个带回工程师,三件事我们可以从这个故事。

专注于人工智能(实际上)可以帮助的任务。这里有两个例子的人工智能用于真实的,实际的应用:


使用人工智能模拟计算流体动态动力学:链接到的故事		使用神经网络进行诊断在医学成像:链接到的故事

专注于人工智能的结果除了准确性。记住公平和偏见:越来越多的工程师和科学家关注explainability技术来帮助解释他们的工作。Explainability和可解释性概念来帮助确保人工智能没有创建隐式和显式的偏见在特定特性数据。
同时,跟踪你的实验复制结果:我提到实验管理器,但能够复制和证明你的结果对人工智能项目的成功至关重要。

看一个快速视频在MATLAB可视化:https://www.youtube.com/watch?v=qQMBYWijvEA

至关重要的炒作
- 警惕“超人”的结果。人工智能,“超过人类层次的准确性”可能不是一个准确的语句,如果你想使用人工智能达到超人的水平,你可能会失望的结果。注意是谁让这些说法并把它带回手边的问题:你想完成,AI将如何帮助你?
- 小心的未来的承诺。的话,比如“我们没有然而,“承诺一个未来世界,我们最终会到达。我们应该避免长期和持续的辩论的未来世界的机器人科幻小说应该保存。未来人工智能承诺转移今天我们生活的世界,人工智能可以帮助解决当前的问题在许多不同的应用程序中。