هوش مصنوعی با قابلیت تجویز دارو - مهسان بلاگ

هوش مصنوعی می تواند برای کامل کردن اتوماتیک تصویر به کار گرفته شود

ابزار های هوش مصنوعی GPT-3 به دلیل قابلیت بالای طراحی وب سایت ها، تجویز دارو و پاسخ به پرسش ها موجب بحث های بسیاری شده است.

GPT-3 مخفف واژه تغییر مبدل قبل از آموزش مولد است که نسل سوم این مدل آموزش ماشینی محسوب می شود. آموزش ماشینی هنگامی صورت می گیرد که رایانه ها، بدون این که برنامه ریزی شوند، بتوانند به طور اتوماتیک از تجربیات خود بیاموزند.

مدل قدیمی تر این هوش مصنوعی، یعنی GPT-2، عنوان خطرناک برای انتشار را گرفته بود، چون توانایی تولید محتوا هایی را داشت که از محتوای نوشته شده توسط انسان قابل تشخیص نبود.

درحالی که تعداد مولفه های GPT-2 به 1.5 میلیارد می رسید، تعداد مولفه های GPT-3 به 175 میلیارد پارامتر می رسد. مولفه، شاخصی است که در ابزار آموزش ماشین، از نظر اطلاعات ماشین، امتیاز محسوب می شود و تغییر آن ها موجب تغییر در خروجی دستگاه خواهد شد.

هنگامی که GPT-2 خیلی خطرناک درنظر گرفته می شد، تنها 124 میلیون مولفه داشت. اکنون دسترسی محدودی به GPT-3 وجود دارد و به نظر می رسد که می توان توانایی های آن را در رسانه های اجتماعی به نمایش گذاشت.

رمزگذاری به نام شریف شمین نشان داده که چطور هوش مصنوعی می تواند برای توصیف طراحی هایی مورد استفاده قرار گیرد که بعد ها توسط هوش مصنوعی ساخته می شود؛ با وجود این که هوش مصنوعی برای تولید کد آموزش ندیده است.

جردن سینگر، که طراح است، فرایند مشابهی را برای طراحی برنامک به وجود آورده است. در عین حال، قاسم مانیی، یک دانشجوی پزشکی در کینگز کالج لندن، نشان داد که چگونه یک برنامه می تواند با دسترسی به اطلاعات، پرسش های پزشکی را پاسخ دهد.

یک تصویر ناکامل را در نظر بگیرید. هوش مصنوعی می تواند برای کامل کردن اتوماتیک این تصویر به کار گرفته شود؛ به این ترتیب که از ابزارهایش برای پیشنهاد پیکسل هایی که باید بر اساس داده ها در تصویر باشند استفاده می کند. دلیلی که GPT-3 چنین قابلیتی دارد این است که بر اساس آرشیو اینترنتی به نام خزیدن مشترک (Common Crawl) آموزش دیده که شامل حدود یک تریلیون کلمه داده است.

این ابزار از OpenAI گرفته شده که یک آزمایش تحقیقات هوش مصنوعی است و دو بخش دارد: یک شرکت سودده به نام OpenAI LP، و سازمان مادر غیرانتفاعی آن به نام OpenAI Inc. ماه گذشته، این محصول به بازار آمد، اما هنوز کار زیادی لازم است تا تعیین شود این ابزار چطور باید مورد استفاده قرار گیرد.

جک کلارک، یکی از سیاست گزاران اصلی این گروه، ماه گذشته گفت: ما باید آزمون و خطا کنیم تا متوجه شویم که آن ها چه کار هایی را می توانند و چه کار هایی را نمی توانند انجام دهند. اگر شما نتوانید توانایی های یک مدل را پیش بینی کنید، باید آن را به کار بیاندازید تا ببینید چه کاری می تواند انجام دهد. باید توجه داشت افرادی که خیلی بهتر از ما در فکرند که چطور می توان از آن ها استفاده مخرب کرد، بسیار بیشتر از ما هستند.

این دستاورد از نظر بصری هم چشم گیر است و برخی آن قدر پیش می فرایند که پیشنهاد می دهند این ابزار می تواند تهدید صنعت باشد. هر چند که سام آلتمن، مدیرعامل OpenAI این نظرات را اغراق آمیز می داند: این تعریف خوبی است، اما هوش مصنوعی هنوز ضعف های جدی دارد و مرتکب اشتباهات احمقانه ای می شود. هوش مصنوعی قرار است دنیا را تغییر دهد، اما GPT-3 یک مدل ابتدایی آن است. ما هنوز باید خیلی چیز ها کشف کنیم.

علاوه بر این، پرسش هایی مطرح است درباره این که دستاورد های GPT-3 دقیقا چیست. کوین لکر، یک دانشمند رایانه که پیشتر با فیس بوک و گوگل کار می کرده، نشان داد در حالی که هوش مصنوعی می تواند به پرسش های عمومی پاسخ دهد، پاسخ به پرسش هایی که برای انسان بدیهی است، در ماشین وجود ندارد و پرسش هایی که یاوه هستند، چنان پاسخ داده می شوند که گویی چنین نیستند.

از جمله این پرسش ها این است که پای من چند چشم دارد؟ که GPT-3 به آن پاسخ می دهد: پای شما دو چشم دارد. یا به این پرسش که چند رنگین کمان می برد تا از هاوایی به هفده بپری؟ پاسخ می دهد: دو رنگین کمان می برد تا از هاوایی به هفده بپری.

پژوهشگران هوش مصنوعی به این ضعف اذعان دارند و می گویند که نمونه های GPT-3 در جمله های طولانی انسجام را از دست می دهند و گاهی جملات یا پاراگراف های بدون ترتیبی را بیان می کنند.

الگوریتم های آموزش ماشین، همچون این ها، ضرورتا فکر نمی کنند یا حتی زبانی را که به آن پاسخ می دهند درک نمی کنند. این الگوریتم ها یک پایگاه داده عظیم را می سنجند و می توانند پاسخی بدهند که ممکن است درست باشد، اما نمی توانند مانند انسان به نتیجه گیری برسند.

گای دن بروک، استادیار علوم کامپیوتر دانشگاه UCLA در این باره می گوید: به نظر من بهترین مقایسه این است که کشوری غنی از نظر نفت، قادر به ساخت آسمان خراش بسیار بلند باشد.

او می افزاید: به طور حتم مقدار زیادی پول و تلاش های مهندسی برای ساخت چنین ساختمانی صرف شده، اما هیچ پیش رفت علمی وجود ندارد. هیچ کس نگران نیست، چون کسانی که می خواهند پول زیادی در این زمینه خرج کنند، نمی توانند در ساخت ساختمان های بلند رقیب آمریکا شوند.

من اطمینان دارم که افراد دانشگاهی و دیگر شرکت ها از استفاده از این مدل های زبانی در وظایف سطح پایین مسرور خواهند بود، اما فکر نمی کنم که تغییر اساسی در فرایند هوش مصنوعی ایجاد کنند.

منبع: ایندیپندنت

bestcanadatours.com: مجری سفرهای کانادا و آمریکا | مجری مستقیم کانادا و آمریکا، کارگزار سفر به کانادا و آمریکا