Uporedo sa svojim napretkom, umjetna inteligencija (AI) sve više napreduje, a rizik od takozvanog „inbreedinga“ u generativnim AI sistemima postaje opasnost, dugo uobičajena među ljudima i populacijama domaćih životinja.
Ovaj članak će baciti malo svjetla na koncept inbreedinga u svjetlu generativne AI i kako inbreeding može postati povezan s budućnošću sadržaja generiranog AI.
Razumijevanje generativnog AI inbreedinga Generativni AI sistemi kao što su modeli velikih jezika (LLM) prvenstveno se obučavaju za sveobuhvatne skupove podataka iz tekstualnog, vizuelnog i audio sadržaja dostupnog na webu. U početku je skup podataka uglavnom uključivao predmete koje su napravila ljudska bića, kao što su literatura, članci i umjetnička djela. Međutim, s porastom generativnih AI alata, sve više sadržaja na internetu piše sama umjetna inteligencija.
Ova promjena izaziva zabrinutost oko kvaliteta i raznolikosti skupova podataka koji se koriste za obuku budućih AI sistema. S evolucijom sadržaja generiranog umjetnom inteligencijom, očekuje se da će mnoge buduće generacije AI modela učiti iz skupova podataka koji ne predstavljaju ljudski sadržaj već materijal koji je stvorila umjetna inteligencija.
Posljedice generativnog AI inbreedinga su višestruke.
Naprotiv, nastavak učenja od strane AI sistema iz sve većeg broja homogenih skupova podataka mogao bi dovesti do smanjenja kreativnosti i originalnosti u AI generisanom rezultatu.
Ako se ovaj proces ponavlja – to jest, kopiranje iz kopije – sukcesivno tokom generacija, kvaliteta rezultata je razvodnjena, a rezultati riskiraju da budu manje angažirani posao i manje moguće da odražavaju ono što smatramo ljudskim kreativnim rezultatom. . S porastom sadržaja generiranog umjetnom inteligencijom koji se obučava na inbred skupovima podataka, takvi problemi bi se mogli pogoršati.
Ako skupovi podataka za obuku nisu dovoljno raznoliki, onda bi razvijeni AI sistemi služili samo za jačanje i uvećanje predrasuda prisutnih unutar sadržaja generiranog umjetnom inteligencijom, čime bi se dodatno potkopavala pouzdana upotreba sadržaja generiranog umjetnom inteligencijom kao izvora informacija. Nadalje, nedostatak raznolikosti u podacima o obuci može ograničiti mogućnost razvoja AI sistema koji bi mogli ispravno razumjeti i predstaviti širok spektar ljudskih iskustava i perspektiva. Ovo može ograničiti napredak u različitim oblastima primjene AI, kao što su obrada prirodnog jezika, generiranje sadržaja i sistemi donošenja odluka.
Rješavanje izazova generativnog AI inbreedinga
Iznad svega, ovo je pravi rizik, posebno ukrštanje generativnih AI tehnologija. Ipak, daje teret istraživačima, programerima, pa čak i kreatorima politike da djeluju proaktivno, osiguravajući da se različiti i reprezentativni skupovi podataka koriste kao pitanje od najvećeg prioriteta tokom obuke AI sistema, integrirajući mehanizme koji će biti u stanju da otkriju i smanje pristrasnosti u sadržaju generisanom veštačkom inteligencijom, i obezbeđivanje efikasne interdisciplinarne saradnje uz obraćanje i obezbeđivanje etičkih i društvenih implikacija izgradnje veštačke inteligencije.
Oni bi trebali dodatno olakšati potrebu za otvorenošću i odgovornošću u primjeni AI sistema i zahtijevati da se svijest o ograničenjima i pristrasnostima dijeli s korisnicima sadržaja generisanog umjetnom inteligencijom. Stoga, svi dionici mogu proaktivno nastojati da sarađuju u iskorištavanju moći generativne AI uz istovremeno ublažavanje rizika povezanih s inbreedingom u razvoju AI.
Koncept inbridinga u generativnoj AI veliki je budući izazov za razvoj i primenu AI sistema. Ovo će im pomoći da osiguraju da odgovorni i etički razvoj poboljšanja tehnologije za društvo bude ispunjen razumijevanjem implikacija i načina za efikasno poboljšanje generativnog AI inbridinga.
Izvor: https://www.cryptopolitan.com/generative-ai-growing-in-ai-development/