Czy modele AI stają się zbiorową inteligencją?

Zadając różnym modelom AI to samo otwarte pytanie, można się spodziewać różnych odpowiedzi. Ale co jeśli wszystkie zaczynają brzmieć tak samo? Przeczytajmy i omówmy "Sztuczna zbiorowa inteligencja: Otwarto- zakończona jednorodność modeli językowych (i nie tylko)", która bada efekt "Sztucznej zbiorowej inteligencji" w tysiącach rzeczywistych, otwartych zapytań. Rozpakujemy, jak badacze mierzą różnorodność, gdzie ta jednorodność się pojawia, i co się dzieje, gdy z pozoru podobne wyniki AI spotykają się z ludzkimi preferencjami, które są znacznie bardziej zróżnicowane. Następnie zabierzemy pytanie poza artykuł: Czy naprawdę chcemy, aby systemy AI się zgadzały? Przynieś własne perspektywy, gdy będziemy omawiać, kiedy niezgoda jest użyteczna, jakie wartości AI powinny odzwierciedlać i ile różnorodności faktycznie chcemy od systemów, których używamy. ❗Proszę przeczytać przed rejestracją❗ To nie jest seminarium ani wykład. To dyskusja, a każdy w pokoju jest jej częścią. Więcej o gospodarzu Jared Cheang jest badaczem w dziedzinie bezpieczeństwa AI z doświadczeniem w analizie danych, inżynierii oprogramowania i budowaniu rozwiązań AI dla sektora publicznego. Jego obecne zainteresowania badawcze obejmują kontrolę AI, dopasowanie i bezpieczeństwo projektowane od podstaw, z szczególnym zainteresowaniem tym, jak coraz bardziej zdolne systemy AI mogą pozostać wiarygodne i dostosowane do ludzkich wartości. Jared również uczy i mentoruje w lokalnej społeczności technologicznej oraz posiada tytuł magistra analizy biznesowej z NUS. Więcej o serii Paper Club to inicjatywa zewnętrzna społeczności Lorong AI, gdzie członkowie zbierają się, aby omawiać i analizować artykuły akademickie, artykuły badawcze lub kluczowe rozwinięcia w dziedzinie AI. Zaangażuj się: Dowiedz się więcej o Lorong AI | Zapisy dla prelegentów | Społeczność WhatsApp | LinkedIn | X