آموزش هوش مصنوعی با محتوای مجانی کار سختی است!
به گزارش سایت امن، محققان مدعی شده اند که میتوان مدلهای هوش مصنوعی را بدون استفاده از محتوایی که تحت قانون کپی رایت قرار دارد توسعه داد، اما انجام این کار دشوار است.
به گزارش سایت امن به نقل از انگجت، شرکتهای هوش مصنوعی مدعی هستند ابزارهایشان بدون دریافت آموزش از محتوای شامل قانون کپی رایت نمی تواند وجود داشته باشد. حالا مشخص شده آموزش این مدلها بدون چنین محتوایی ممکن اما کار سختی است.
محققان هوش مصنوعی برای اثبات این امر یک مدل جدید را آموزش دادند که قدرت کمتری دارد اما اخلاق مدارتر است چونکه مخزن داده ای که مدل زبانی بزرگ از آن استفاده می نماید فقط در ارتباط با دامنه های عمومی و محتوایی است که به صورت آزاد در دسترس هستند.
این پژوهش با همکاری بین ۱۴ موسسه مختلف انجام شد. مولفان از دانشگاه هایی مانندام آی تی، کارنگی ملون و دانشگاه تورنتو انجام شده است. مؤسسات ناسودآوری مانند وکتو انستیتو و آلن انستیتو برای هوش مصنوعی هم به پژوهش کمک کردند.
این گروه یک مخزن داده اخلاق مدار هشت ترابایتی ساختند. میان داده ها ۱۳۰ هزار کتاب موجود در کتابخانه کنگره آمریکا هم وجود داشت. محققان بعدا یک مدل زبانی بزرگ با هفت میلیارد پارامتر را با این داده ها آموزش دادند. عملکرد مدل حاصل به خوبی مدل هوش مصنوعی Llama۲-۷B متا در سال ۲۰۲۳، بود. محققان بنچمارک هایی که برای مقایسه نتایج به کار بردند را منتشر نکردند.
البته قدرت عملکرد آن که به اندازه یک مدل در ارتباط با دو سال قبل بود، تنها نکته منفی مدل توسعه یافته نبود. فرآیند در کنار هم قرار دادن اجزا هم سخت بود. ماشین ها قادر به خواندن بخش اعظم داده ها نبودند، ازاین رو انسان ها مجبور بودند آنها را غربال کنند. استلا بیدرمن، یکی ازمولفان پژوهش می گوید: «اما تمام مطالب ما در انتها روز به شکل دستی حاشیه نویسی و توسط افراد بررسی می شد و این واقعا دشوار می باشد.» درک جزئیات حقوقی هم این فرآیند را مشکل کرد.
اگر پسندیدید لاک کنید:
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان سایت امن در مورد این مطلب