این هفته در هوش مصنوعی: سنگین وزنان هوش مصنوعی سعی می کنند ترازوهای نظارتی را پایین بیاورند

همگام شدن با صنعتی که به سرعت هوش مصنوعی در حال حرکت است، امری دشوار است. بنابراین تا زمانی که یک هوش مصنوعی بتواند این کار را برای شما انجام دهد، در اینجا خلاصه‌ای مفید از داستان‌های هفته گذشته در دنیای یادگیری ماشین، همراه با تحقیقات و آزمایش‌های قابل‌توجهی است که به تنهایی پوشش نداده‌ایم.

این هفته، متحرکان و تکان دهنده ها در صنعت هوش مصنوعی، از جمله سام آلتمن، مدیر عامل OpenAI، تور حسن نیت خود را با سیاست گذاران آغاز کردند و دیدگاه های مربوطه خود را در مورد مقررات هوش مصنوعی مطرح کردند. آلتمن در گفت‌وگو با خبرنگاران در لندن هشدار داد که قانون هوش مصنوعی پیشنهادی اتحادیه اروپا که قرار است در سال آینده نهایی شود، می‌تواند در نهایت باعث شود OpenAI خدمات خود را از اتحادیه خارج کند.

او گفت: «ما تلاش خواهیم کرد که رعایت کنیم، اما اگر نتوانیم عمل کنیم، فعالیت را متوقف خواهیم کرد».

ساندار پیچای، مدیر عامل گوگل، همچنین در لندن، بر نیاز به نرده‌های محافظ هوش مصنوعی «مناسب» که نوآوری را خفه نکند، تأکید کرد. و برد اسمیت از مایکروسافت، در ملاقات با قانونگذاران در واشنگتن، طرحی پنج ماده ای را برای مدیریت عمومی هوش مصنوعی پیشنهاد کرد.

تا آنجا که یک موضوع مشترک وجود دارد، غول‌های فناوری تمایل خود را برای تنظیم مقررات ابراز کردند – تا زمانی که با جاه‌طلبی‌های تجاری آنها تداخل نداشته باشد. به عنوان مثال، اسمیت از پرداختن به این سوال حقوقی حل نشده امتناع کرد که آیا آموزش هوش مصنوعی بر روی داده های دارای حق چاپ (که مایکروسافت انجام می دهد) تحت دکترین استفاده منصفانه در الزامات صدور مجوز سختگیرانه ایالات متحده در مورد داده های آموزشی هوش مصنوعی مجاز است، در صورتی که آنها در فدرال تحمیل شوند. سطح، می تواند برای مایکروسافت و رقبایش که همین کار را انجام دهند گران تمام شود.

آلتمن، به نوبه خود، به نظر می رسد با مفاد قانون هوش مصنوعی که شرکت ها را ملزم می کند خلاصه ای از داده های دارای حق چاپ را که برای آموزش مدل های هوش مصنوعی خود استفاده کرده اند، منتشر کنند و آنها را تا حدی مسئول نحوه استقرار سیستم ها در پایین دستی کند. الزامات برای کاهش مصرف انرژی و استفاده از منابع آموزش هوش مصنوعی – یک فرآیند مشهور محاسباتی – نیز مورد سوال قرار گرفت.

مسیر نظارتی در خارج از کشور نامشخص است. اما در ایالات متحده، OpenAIهای جهان ممکن است در نهایت راه خود را پیدا کنند. هفته گذشته، آلتمن اعضای کمیته قضایی سنا را با بیانیه هایی که به دقت طراحی شده بود در مورد خطرات هوش مصنوعی و توصیه های خود برای تنظیم آن مورد تشویق قرار داد. سناتور جان کندی (R-LA) به ویژه متواضعانه بود: “مردم، این فرصت شماست تا به ما بگویید چگونه این کار را درست انجام دهیم… به زبان انگلیسی ساده صحبت کنید و به ما بگویید چه قوانینی را باید اجرا کنیم.”

سورش ونکاتاسوبرامانیان، مدیر مرکز مسئولیت فنی دانشگاه براون، در اظهارنظرهایی به The Daily Beast، شاید آن را به بهترین شکل خلاصه کرده است: “ما از آتش افروزان نمی خواهیم که مسئول آتش نشانی باشند.” و با این حال، این همان چیزی است که در اینجا با هوش مصنوعی در خطر است. بر عهده قانونگذاران خواهد بود که در برابر سخنان ناب مدیران فنی مقاومت کنند و در جایی که لازم است، آن را مهار کنند. فقط زمان مشخص خواهد کرد که آیا این کار را انجام می دهند.

در اینجا سایر عناوین مورد توجه هوش مصنوعی در چند روز گذشته آمده است:

  • ChatGPT به دستگاه های بیشتری می آید: برنامه ChatGPT OpenAI با وجود اینکه فقط برای ایالات متحده و iOS پیش از گسترش به 11 بازار جهانی دیگر است، شروعی درخشان دارد، سارا می نویسد. ردیاب‌های اپلیکیشن می‌گویند که این اپلیکیشن در شش روز اول خود از نیم میلیون دانلود عبور کرده است. این برنامه آن را به عنوان یکی از پربازده‌ترین برنامه‌های جدید منتشر شده در سال جاری و آخرین نسخه، رتبه‌بندی می‌کند که تنها با ورود توییتر شبیه‌سازی شده تحت حمایت ترامپ، Truth Social در فوریه ۲۰۲۲، در صدر قرار گرفت.
  • OpenAI یک نهاد نظارتی را پیشنهاد می کند: هوش مصنوعی به اندازه کافی سریع در حال توسعه است – و خطراتی که ممکن است ایجاد کند به اندازه کافی واضح است – که رهبری OpenAI معتقد است که جهان به یک نهاد نظارتی بین المللی شبیه به قدرت هسته ای حاکم نیاز دارد. بنیانگذاران OpenAI در این هفته استدلال کردند که سرعت نوآوری در هوش مصنوعی به قدری سریع است که نمی‌توانیم انتظار داشته باشیم که مقامات فعلی به اندازه کافی این فناوری را مهار کنند، بنابراین به فناوری‌های جدید نیاز داریم.
  • هوش مصنوعی مولد به جستجوی گوگل می آید: گوگل این هفته اعلام کرد که پس از اینکه در رویداد I/O خود در اوایل ماه جاری میلادی، قابلیت‌های جدید هوش مصنوعی مولد در جستجو را مورد آزار و اذیت قرار داد، شروع به باز کردن دسترسی به قابلیت‌های جدید هوش مصنوعی می‌کند. با این به‌روزرسانی جدید، گوگل می‌گوید که کاربران می‌توانند به راحتی در مورد یک موضوع جدید یا پیچیده سرعت بگیرند، نکات سریع برای سؤالات خاص را کشف کنند یا اطلاعات عمیقی مانند رتبه‌بندی مشتریان و قیمت‌ها در جستجوی محصول دریافت کنند.
  • TikTok ربات را آزمایش می کند: چت ربات ها داغ هستند، بنابراین تعجبی ندارد که بدانیم TikTok نیز در حال اجرای آزمایشی خود است. این ربات که “Tako” نام دارد در حال آزمایش محدود در بازارهای منتخب است، جایی که در سمت راست رابط TikTok بالای نمایه کاربر و سایر دکمه‌های لایک، نظرات و نشانک‌ها ظاهر می‌شود. وقتی روی آن ضربه زده می‌شود، کاربران می‌توانند سؤالات مختلفی درباره ویدیویی که در حال تماشای آن هستند از Tako بپرسند یا با درخواست توصیه، محتوای جدیدی را کشف کنند.
  • Google در یک پیمان هوش مصنوعی: ساندار پیچای گوگل موافقت کرده است که با قانونگذاران اروپایی در مورد آنچه به عنوان “پیمان هوش مصنوعی” نامیده می شود همکاری کند – ظاهراً مجموعه ای از قوانین یا استانداردهای داوطلبانه در حالی که مقررات رسمی در مورد هوش مصنوعی تدوین می شود. طبق یک یادداشت، این بلوک قصد راه اندازی آن را دارد یک پیمان هوش مصنوعی “شامل همه بازیگران اصلی اروپایی و غیر اروپایی هوش مصنوعی به صورت داوطلبانه” و قبل از مهلت قانونی قانون هوش مصنوعی فوق اتحادیه اروپا.
  • مردم، اما ساخته شده با هوش مصنوعی: با دی جی هوش مصنوعی Spotify، این شرکت هوش مصنوعی را با صدای یک شخص واقعی – صدای رئیس مشارکت های فرهنگی و میزبان پادکست خود، آموزش داد. خاویر “ایکس” جرنیگان. به نظر می رسد اکنون پخش کننده ممکن است همان فناوری را به تبلیغات تبدیل کند. بر اساس اظهارات بیان شده توسط بیل سیمونز، بنیانگذار The Ringer، این سرویس استریم در حال توسعه فناوری هوش مصنوعی است که می تواند از صدای میزبان پادکست برای ایجاد تبلیغات خواندنی میزبان استفاده کند – بدون اینکه میزبان واقعاً مجبور باشد نسخه تبلیغاتی را بخواند و ضبط کند.
  • تصاویر محصول از طریق هوش مصنوعی مولد: در Google Marketing Live در رویداد این هفته، گوگل اعلام کرد که محصول استودیو را راه‌اندازی می‌کند، ابزار جدیدی که به بازرگانان اجازه می‌دهد به راحتی تصاویر محصول را با استفاده از هوش مصنوعی مولد ایجاد کنند. مارک‌ها می‌توانند تصاویری را در Merchant Center Next، پلتفرم Google برای کسب‌وکارها ایجاد کنند تا نحوه نمایش محصولاتشان در جستجوی Google را مدیریت کنند.
  • مایکروسافت یک ربات چت را در ویندوز ایجاد می کند: مایکروسافت در حال ساخت مبتنی بر ChatGPT خود است بینگ را مستقیماً در ویندوز 11 تجربه کنید – و اضافه کردن چند پیچش که به کاربران اجازه می‌دهد از نماینده بخواهند به پیمایش سیستم‌عامل کمک کند. Windows Copilot جدید به این منظور است که کاربران ویندوز را آسان‌تر می‌کند تا تنظیمات را بدون نیاز به کاوش عمیق در زیر منوهای ویندوز پیدا کنند و تغییر دهند. اما این ابزارها همچنین به کاربران اجازه می‌دهند تا مطالب را از کلیپ بورد خلاصه کنند یا متن بنویسند.
  • Anthropic پول نقد بیشتری جمع آوری می کند: آنتروپیکاستارت‌آپ برجسته هوش مصنوعی مولد که توسط کهنه‌کاران OpenAI تأسیس شده است، ۴۵۰ میلیون دلار در دور سرمایه‌گذاری سری C به رهبری Spark Capital جمع‌آوری کرده است. آنتروپیک فاش نمی کند که راند کسب و کار خود در چه چیزی ارزش دارد. اما سکوی زمینی که در ماه مارس به دست آوردیم نشان می‌دهد که می‌تواند در میدان توپ 4 میلیارد دلاری باشد.
  • Adobe هوش مصنوعی مولد را به فتوشاپ می آورد: فتوشاپ این هفته با افزودن تعدادی ویژگی که به کاربران امکان می دهد تصاویر را فراتر از مرزهای خود با پس زمینه های ایجاد شده توسط هوش مصنوعی گسترش دهند، اشیاء را به تصاویر اضافه کنند یا از یک ویژگی پر کردن مولد جدید برای حذف آنها با موارد بسیار بیشتر استفاده کنند، دریافت کرد. دقت بیشتری نسبت به پر کردن محتوای آگاه که قبلاً در دسترس بود. در حال حاضر، این ویژگی تنها در نسخه بتا فتوشاپ در دسترس خواهد بود. اما آنها در حال حاضر باعث می شود برخی از طراحان گرافیک نگران آینده صنعت خود هستند.

سایر یادگیری های ماشینی

بیل گیتس ممکن است متخصص هوش مصنوعی نباشد، اما او است بسیار ثروتمند است، و او قبلاً در مورد چیزها درست عمل کرده است. معلوم شد که او نسبت به عوامل هوش مصنوعی شخصی خوش‌بین است، همانطور که او به فورچون گفت: «هر کسی که نماینده شخصی را برنده شود، این چیز بزرگی است، زیرا دیگر هرگز به یک سایت جستجو نخواهید رفت، هرگز به یک سایت بهره‌وری نخواهید رفت. دیگر هرگز به آمازون نرو.» اینکه دقیقاً چگونه این کار انجام می شود، بیان نشده است، اما غریزه او مبنی بر اینکه مردم ترجیح می دهند با استفاده از موتور جستجو یا بهره وری به خطر افتاده مشکل را قرض نگیرند، احتمالاً چندان دور از ذهن نیست.

ارزیابی ریسک در مدل‌های هوش مصنوعی یک علم در حال تکامل است، یعنی ما تقریباً چیزی در مورد آن نمی‌دانیم. Google DeepMind (ابر موجودیت جدید متشکل از Google Brain و DeepMind) و همکارانش در سراسر جهان در تلاش هستند تا توپ را به جلو ببرند و چارچوب ارزیابی مدلی را برای “خطرات شدید” مانند “مهارت های قوی در دستکاری، فریبکاری، سایبری” تولید کرده اند. جرم یا سایر قابلیت های خطرناک.» خوب، این یک شروع است.

اعتبار تصویر: سستی

Auralee Edelen از SLAC می‌گوید: فیزیکدانان ذرات در حال یافتن راه‌های جالبی برای اعمال یادگیری ماشینی در کار خود هستند: «ما نشان داده‌ایم که می‌توانیم اشکال پرتوهای بسیار پیچیده‌ای با ابعاد بالا را از مقادیر شگفت‌انگیز کوچک داده استنتاج کنیم». آنها مدلی ایجاد کردند که به آنها کمک می کند شکل پرتو ذرات را در شتاب دهنده پیش بینی کنند، چیزی که به طور معمول هزاران نقطه داده و زمان محاسباتی زیادی را می طلبد. این بسیار کارآمدتر است و می‌تواند به سهولت استفاده از شتاب‌دهنده‌ها در همه جا کمک کند. مرحله بعدی: «الگوریتم را به صورت آزمایشی در بازسازی توزیع‌های کامل فضای فاز ۶ بعدی نشان دهید». خوب!

Adobe Research و MIT بر روی یک مشکل بینایی کامپیوتری جالب همکاری کردند: تشخیص اینکه کدام پیکسل در یک تصویر نشان دهنده یکسان است. مواد. از آنجایی که یک شی می تواند چندین متریال و همچنین رنگ و سایر جنبه های بصری باشد، این یک تمایز بسیار ظریف است اما همچنین یک تمایز بصری است. آنها مجبور بودند یک مجموعه داده مصنوعی جدید برای انجام این کار بسازند، اما در ابتدا کار نکرد. بنابراین آنها به تنظیم دقیق یک مدل CV موجود بر روی آن داده‌ها پایان دادند و به درستی به آن رسید. چرا این مفید است؟ گفتنش سخته ولی عالیه

قاب 1: انتخاب مواد؛ 2: منبع ویدیو; 3: تقسیم بندی 4: ماسک اعتبار تصویر: Adobe/MIT

مدل‌های زبان بزرگ معمولاً به دلایل زیادی به زبان انگلیسی آموزش داده می‌شوند، اما بدیهی است که هر چه زودتر به خوبی به زبان‌های اسپانیایی، ژاپنی و هندی کار کنند، بهتر است. BLOOMChat مدل جدیدی است که بر روی BLOOM ساخته شده است که در حال حاضر با 46 زبان کار می کند و با GPT-4 و سایرین قابل رقابت است. این هنوز کاملاً تجربی است، بنابراین با آن به تولید نروید، اما می‌تواند برای آزمایش یک محصول مجاور با هوش مصنوعی در چندین زبان عالی باشد.

ناسا به تازگی یک محصول جدید از بودجه SBIR II را اعلام کرد، و چند قطعه جالب هوش مصنوعی در آن وجود دارد:

Geolabe در حال شناسایی و پیش‌بینی تغییرات آب‌های زیرزمینی با استفاده از هوش مصنوعی آموزش‌دیده بر روی داده‌های ماهواره‌ای است و امیدوار است که این مدل را برای یک صورت فلکی ماهواره‌ای جدید ناسا که اواخر امسال به‌وجود می‌آید، اعمال کند.

هوش مصنوعی زئوس در حال کار بر روی تولید الگوریتمی “پروفایل های جوی سه بعدی” بر اساس تصاویر ماهواره ای است، که اساساً نسخه ای ضخیم از نقشه های دو بعدی ما از دما، رطوبت و غیره است.

در فضا، قدرت محاسباتی شما بسیار محدود است، و در حالی که می‌توانیم برخی استنتاج‌ها را در آنجا اجرا کنیم، آموزش درست است. اما محققان IEEE می‌خواهند یک پردازنده نورومورفیک کارآمد SWaP برای آموزش مدل‌های هوش مصنوعی در محل بسازند.

روبات‌هایی که در موقعیت‌های پرمخاطره به‌طور مستقل عمل می‌کنند، عموماً به یک متذکر انسانی نیاز دارند، و Picknick به دنبال این است که این ربات‌ها اهداف خود را به صورت بصری ارتباط برقرار کنند، مانند اینکه چگونه می‌توانند دری را باز کنند، به طوری که ذهن‌کننده مجبور به دخالت آنچنان نباشد. احتمالا ایده خوبی است.