Упоредо са својим напретком, вештачка интелигенција (АИ) све више напредује, а ризик од такозваног „инбридинга“ у генеративним системима вештачке интелигенције постаје опасност, дуго уобичајена међу људима и популацијама домаћих животиња.
Овај чланак ће бацити мало светла на концепт инбридинга у светлу генеративне АИ и како инбреединг може постати повезан са будућношћу садржаја генерисаног АИ.
Разумевање генеративног АИ Инбреединг-а Генеративни АИ системи као што су модели великих језика (ЛЛМ) су првенствено обучени за свеобухватне скупове података из текстуалног, визуелног и аудио садржаја доступног на вебу. У почетку, скуп података је углавном укључивао предмете које су направила људска бића, као што су литература, чланци и уметничка дела. Међутим, са порастом генеративних АИ алата, све више садржаја на интернету пише сама АИ.
Ова промена изазива забринутост у вези са квалитетом и разноврсношћу скупова података који се користе за обуку будућих система вештачке интелигенције. Са еволуцијом садржаја генерисаног вештачком интелигенцијом, очекује се да ће многе будуће генерације АИ модела учити из скупова података који не представљају људски садржај већ материјал који је креирала вештачка интелигенција.
Последице генеративног АИ инбридинга су вишеструке.
Напротив, наставак учења од стране система вештачке интелигенције из све већег броја хомогених скупова података могао би да доведе до смањења креативности и оригиналности у резултату генерисаном вештачком интелигенцијом.
Ако се овај процес понавља – то јест, копирање из копије – сукцесивно током генерација, квалитет резултата се разводњава, а резултати ризикују да буду мање ангажовани посао и мање могуће да одражавају оно што сматрамо људским креативним резултатом. . Са порастом садржаја генерисаног вештачком интелигенцијом који се обучава на инбред скуповима података, такви проблеми би се могли погоршати.
Ако скупови података за обуку нису довољно разнолики, онда би развијени системи вештачке интелигенције служили само за јачање и увећање предрасуда присутних у садржају генерисаном вештачком интелигенцијом, чиме би се додатно подривала поуздана употреба садржаја генерисаног вештачком интелигенцијом као извора информација. Штавише, недостатак разноликости у подацима о обуци може ограничити могућност развоја АИ система који би могли правилно да разумеју и представљају широк спектар људских искустава и перспектива. Ово може да ограничава напредак у различитим областима примене АИ, као што су обрада природног језика, генерисање садржаја и системи за доношење одлука.
Решавање изазова генеративног АИ инбридинга
Изнад свега, ово је прави ризик, посебно укрштање генеративних технологија вештачке интелигенције. Ипак, то даје терет истраживачима, програмерима, па чак и креаторима политике да делују проактивно, обезбеђујући да се разноврсни и репрезентативни скупови података користе као питање од највећег приоритета током обуке система вештачке интелигенције, интегришући механизме који ће бити у стању да открију и смање пристрасности у садржају генерисаном вештачком интелигенцијом, и обезбеђивање ефикасне интердисциплинарне сарадње уз обраћање и обезбеђивање етичких и друштвених импликација изградње вештачке интелигенције.
Они би требало да додатно олакшају потребу за отвореношћу и одговорношћу у примени АИ система и захтевају да се свест о ограничењима и пристрасностима дели са корисницима садржаја генерисаног вештачком интелигенцијом. Дакле, сви актери могу проактивно настојати да сарађују у искориштавању моћи генеративне АИ док истовремено смањују ризике повезане са инбридингом у развоју АИ.
Концепт инбридинга у генеративној АИ је велики будући изазов за развој и примену АИ система. Ово ће им помоћи да осигурају да се одговорни и етички развој побољшања технологије за друштво испуни разумевањем импликација и начина да се ефикасно побољша генеративни АИ инбридинг.
Извор: хттпс://ввв.цриптополитан.цом/генеративе-аи-гровинг-ин-аи-девелопмент/