اخبار

هل يفهم ChatGPT اللغة؟ | VentureBeat


تحقق من جميع الجلسات عند الطلب من قمة الأمن الذكي هنا.


تعمل الأنظمة التي تستهلك كميات هائلة من الإبداعات البشرية لمحاكاة سلوكياتنا على دفع طليعة الذكاء الاصطناعي إلى الأمام. تعلمت Dall-E و Stable Diffusion إنشاء صور من المطالبات ، مما سمح لنا بمشاهدة عمليات الترحيل السري للأبطال الخارقين كما ربما رسمهم رينوار.

تؤدي نماذج اللغات الكبيرة (LLMs) خدعة مماثلة مع اللغة ، حيث تضخ بيانات صحفية واقعية أو مراجعات أكواد يؤديها قرصان. أحدث التكرار ، ChatGPT ، جذب انتباهًا كبيرًا حيث استكشف الناس مدى قدراته في أشكال مسلية لا نهاية لها.

إذن ، ماذا يعني كل هذا للتقدم نحو الذكاء الاصطناعي الحقيقي؟ هل هذه هي الصفقة الحقيقية؟ خطوة إلى الوراء عن ذلك؟ أو ببغاء بسيط ، تنعكس أعمالنا البشرية علينا من خلال مرآة الكود؟

العصابات والسوناتات على حد سواء

ما توضحه هذه الفئة الأخيرة من الخوارزميات بوضوح هو الفهم التجميعي للمفاهيم. عندما طُلب منك شرح خوارزميات علوم الكمبيوتر كـ a شخص حكيم من فيلم العصابات عام 1940 ، ينجز ChatGPT كلا المهمتين. يمكننا تغيير الشخصية التي يتحدث بها ، أو الموضوع الذي نريده أن يتحدث إليه.

حدث

قمة الأمن الذكي عند الطلب

تعرف على الدور الحاسم للذكاء الاصطناعي وتعلم الآلة في الأمن السيبراني ودراسات الحالة الخاصة بالصناعة. شاهد الجلسات عند الطلب اليوم.

مشاهدة هنا

في مثال آخر ، قدم آلان تورينج في ورقته “لعبة التقليد” موضوع اختبار تورينج ، حيث يمكن القول بأن أجهزة الكمبيوتر تفكر عندما لا يستطيع المحقق البشري تمييزها عن الإنسان. أعطى تورينج كمثال طلب موجه “كتابة سونيتة حول موضوع جسر فورث”. عندما عرضت المهمة على GPT ، تضمنت استجابتها هذا المقطع:

“الجسر كبير ، رمز زمانه ،

منارة للشعب الاسكتلندي الفخور ،

إنها اليوم شهادة فخر ،

يذكرنا بالأيام التي كانت فيها الأحلام صاخبة “.

لم يعمل كل قافية ومقياس – تذكر أن GPT لم يعمل أبدًا سمع صوت ولكنه استنتج هذه المفاهيم من التنبؤ بالكلمات في الجمل – ولكن من الواضح أنه سعى لبناء مقياس خماسي التفاعيل واتباع مخطط القافية المناسب. بقيت في الموضوع. كانت مكتوبة شعرية.

قدرات معرفية مقنعة

في بحثي المحدود ، لم أجد أي استخدام سابق لعبارة “كانت الأحلام عالية” كاستعارة (فقط الأشخاص الذين يشتكون من أن أحلامهم أيقظتهم). إنها استعارة واضحة ، ضحلة نسبيًا مع مرور الوقت ، لكنها حقيقية.

يمكننا أن نشير إلى القصائد العديدة التي غذت GPT-3 ونتساءل عما هو جديد حقًا في إنتاجه. ولكن إذا كانت اللبنات الأساسية معروفة ، فستكون التقاطعات فريدة وجديدة. ووضع اللبنات الأساسية المعروفة معًا في أنماط جديدة هو قدرة معرفية مقنعة.

على الرغم من أن أحجام بيانات التدريب المتضمنة ضخمة ، إلا أن هذه الشبكات اكتشفت جميع القواعد المنتظمة – قواعد السوناتات والقصائد الفكاهية ، والمراوغات اللغوية للقرصنة. لم يقم المبرمجون بإنشاء مجموعات تدريب بعناية لكل مهمة. وجدت النماذج القواعد بشكل مستقل.

أين تفتقر GPT-3؟ المقطع أعلاه مناسب كشعر لكنه لا يفاجئنا أو يتحدىنا. عندما يقلد قرصانًا ، فإنه لا يضيف فارقًا بسيطًا جديدًا إلى الدور. تم تدريب GPT-3 على تقريب الكلمات الأكثر احتمالًا في الجمل. يمكننا دفعها نحو المزيد من المخرجات العشوائية – ليس الأكثر احتمالًا ولكن الخامس على الأرجح – لكنها تتبع بقوة مسار ما قيل مرارًا وتكرارًا.

يمكنه شرح المهام المعروفة جيدًا ولكنه يكافح لتقديم اقتراحات وحلول جديدة. تفتقر إلى الأهداف ، الدافع الخاص بها. إنه يفتقر إلى تمييز ذي مغزى بين ما هو حقيقي وما هو محتمل أن يقال. ليس له ذاكرة طويلة المدى: إن إنشاء مقال ممكن ، لكن الكتاب لا يتناسب مع سياقه.

فهم أكثر دقة للغة

في كل عامل قياس جديد للنماذج اللغوية وكل ورقة بحثية ساخنة بعيدًا عن الصحافة ، نلاحظ فهمًا أكثر دقة للغة. تصبح مخرجاتها أكثر تنوعًا وقدراتها أكثر اتساعًا. يستخدم اللغة في المجالات التقنية والغامضة بشكل متزايد. لكن القيود والميل نحو الابتذال مستمران.

لقد أصبحت مقتنعًا بشكل متزايد بمدى قوة الانتباه الذاتي كمفهوم شبكة عصبية للعثور على أنماط في عالم معقد. على الجانب الآخر ، تصبح الفجوات في فهم الكمبيوتر أكثر وضوحًا مقارنة بالتحسن السريع في العديد من المجالات.

بالنظر إلى فهم GPT للضمائر في المواقف الغامضة لغويًا ، أو حس الدعابة ، أو تراكيب الجمل المعقدة ، أظن أنه حتى الإصدار الحالي كافٍ لفهم اللغة العام. ولكن هناك بعض الخوارزميات الأخرى التي لم يتم اختراعها بعد ، أو على الأقل مجموعة معينة من الخوارزميات الموجودة ومهام التدريب اللازمة للتعامل مع الذكاء الفعلي.

فهم اللغة: تحديد الأنماط ذات المعنى

للعودة إلى الموجه الأولي: سواء كان ذلك هو الإعجاب غير العلمي في رؤية سونيت شكسبير ينشأ من غبار مهام التنبؤ بالكلمات البسيطة ، أو التآكل المستمر للفجوة البشرية في مهام لا تعد ولا تحصى لسبر عمق الفهم الاصطناعي للغة ، اللغة النماذج المستخدمة اليوم ليست مجرد خدعة صالون. هذه العمليات لا تقوم فقط ببغاء لغة الإنسان ولكنها تجد الأنماط ذات المعنى داخلها – سواء كانت نحوية أو دلالية أو براغماتية.

ومع ذلك ، هناك شيء آخر يحدث في أذهاننا ، حتى لو كان مجرد نفس التقنيات المطبقة ذاتيًا على مستوى آخر من التجريد. بدون بعض التقنيات الجديدة الذكية ، سنستمر في ضرب رؤوسنا بالقيود المفروضة على أدواتنا المثيرة للإعجاب. ومن يستطيع أن يقول متى ستضرب صاعقة الإلهام هناك؟

لذا لا ، أنظمة الذكاء الاصطناعي الحقيقية لم تصل بعد. لكننا أقرب كثيرًا مما كنا عليه من قبل ، وأتوقع عندما يحدث ذلك ، سيكون بعض الاختلاف في الانتباه الذاتي والتعلم المتباين جزءًا مهمًا من هذا الحل.

بول باربا كبير العلماء في شركة Lexalytics ، وهي شركة InMoment.

صانعي القرار

مرحبًا بك في مجتمع VentureBeat!

DataDecisionMakers هو المكان الذي يمكن للخبراء ، بما في ذلك الأشخاص الفنيون الذين يقومون بعمل البيانات ، مشاركة الأفكار والابتكارات المتعلقة بالبيانات.

إذا كنت تريد أن تقرأ عن الأفكار المتطورة والمعلومات المحدثة ، وأفضل الممارسات ، ومستقبل البيانات وتكنولوجيا البيانات ، انضم إلينا في DataDecisionMakers.

يمكنك حتى التفكير في المساهمة بمقال خاص بك!

قراءة المزيد من DataDecisionMakers




اكتشاف المزيد من نص كم

اشترك للحصول على أحدث التدوينات المرسلة إلى بريدك الإلكتروني.

اترك تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *

زر الذهاب إلى الأعلى

اكتشاف المزيد من نص كم

اشترك الآن للاستمرار في القراءة والحصول على حق الوصول إلى الأرشيف الكامل.

Continue reading