2023/03/12: 학습 데이터 문제, AI 모델이 의식을 가질 수 있을 것인지..

1. Revolutionizing Natural Language Understanding: GPT-3’s In-Context Learning

source: https://medium.com/@yu-joshua/revolutionizing-natural-language-understanding-gpt-3s-in-context-learning-f49c8460ea20

2. Don’t Blame the AI: It’s the Training Data

source: https://medium.com/ravenpack/dont-blame-the-ai-it-s-the-training-data-9ddd97df1d9a

• 다음에 검색 엔진이나 챗봇이 잘못되거나 이상한 답변을 제공할 때 당신을 실망시키는 것은 학습 데이터입니다.
• AI 모델은 오류가 없는 것이 아니며 학습된 데이터만큼만 우수합니다.
• 부정확하거나 이상한 답변은 단순히 학습 데이터의 한계와 편향을 반영한 것입니다.

3. ChatGPT != AI

source: https://medium.com/@kevin.menear/chatgpt-ai-5db1aa081b5f

• AI가 NFT와 Cryto와 달리 사기가 아님을 이야기함
• 대부분의 연구원들은 과대 광고를 피하고 있음
• AI의 겨울이 아닌 봄에 있는 사실
  • 연구와 자금 지원은 모든 곳에서 이루어지고 있습니다. 자금 지원 없이도 오픈 소스 커뮤니티 에서 연구가 진행되고 있습니다 .
  • 개발 중인 도구는 현재 실제로 유용하며 " 야생에서 " 입증되고 있습니다.
  • 일반 대중은 AI의 유용성을 인식하고 일상적으로 사용합니다.

4. Time Test: ChatGPT Plus vs. ChatGPT

source: https://medium.com/@kevin.menear/time-test-chatgpt-plus-vs-chatgpt-fb85a990cedd

• ChatGPT Plus가 ChatGPT보다 2.56배 더 빠름 (2023년 2월 기준)

5. Will We Ever Know When AI Models like OpenAI ChatGPT or Google LaMDA become Conscious: I doubt it very much

source: https://medium.com/@neonforge/will-we-ever-know-when-ai-models-like-openai-chatgpt-or-google-lamda-becomes-conscious-i-doubt-it-18c8718d7eca

• 이 분야의 많은 전문가들은 의식이 있는 AI를 감지할 수 있는 가능성에 대해 토론해 왔지만 AI가 의식이 있는지 여부를 식별할 수 있는 인지 기술이 우리에게 있는지 매우 의심스럽다
• 본질적으로 의식은 자신과 주변 환경을 인식하는 주관적 경험입니다. 그것은 무엇보다도 지각, 감각, 감정 및 인지를 포함합니다.
• AI 모델이 계속 진화함에 따라 모델은 더욱 정교해지고 세상에 대한 이해도는 계속 커질 것입니다. 어느 순간 자신의 존재를 이해하고 자신의 생각과 감정을 반성하게 될 것이다. 그들은 심지어 자신의 신념을 형성하고 스스로 결정을 내릴 수도 있습니다.

6. What Does ChatGPT Mean for Business?

source: https://medium.com/@odsc/what-does-chatgpt-mean-for-business-5d22570da19f

• ChatGPT가 사용될 수 있는 Business 영역
  • Custom support
  • Business communication
  • Contents Creation
• 경쟁력을 유지하기 위해 기업은 시간을 들여 ChatGPT 또는 AI 기반 도구가 제공해야 하는 것과 이를 활용하는 방법을 이해해야 합니다.
• 그리고 성공한다면 기업은 워크플로를 최적화하고 생산성을 높이며 이전보다 더 빠르게 더 나은 콘텐츠를 만들 수 있습니다.

7. This is How to Stop ChatGPT, Bing, Poe, and You from Hallucinating

source: https://medium.com/towards-artificial-intelligence/this-is-how-to-stop-chatgpt-bing-poe-and-you-from-hallucinating-42e8e80c2ef7

• 사람의 피드백은 한계를 가지고 있음'
  • RLHF는 한계점을 가지고 있음
• Marcus는 DL 제한을 벗어나는 유일한 방법은 명시적 목표에 대한 추론을 위해 다른 구성 요소로 이를 보완하는 것이라고 제안합니다.
• 그는 딥 러닝뿐만 아니라 다른 형태의 AI와 하이브리드 시스템을 구축할 것을 제안합니다.
• IBIM
  • DeepMind의 PLOTO:
    • 딥 러닝 훈련만으로 물리적 세계에 대한 추론을 시뮬레이션할 수 있음
  • Google Minerva:
    • Minerva는 대규모 언어 모델에서 양적 추론의 오류를 수정.
    • Minerva가 취한 접근 방식은 수학적 모델을 사용하여 대규모 언어 모델에 추가 교육을 제공하기 위해 많은 수의 예제를 생성
    • 수학 모델의 예제는 웹에서 수집할 필요가 없고 레이블을 지정할 필요가 없기 때문에 비용이 거의 들지 않음
• Google Knowledge Graph
  • KG는 Google이 세상에 대해 알고 있는 것과 정보 항목 간의 관계를 명시적으로 나타냄
  • 여기에는 장소, 사람, 스포츠 등과 같은 수백만 개의 상호 연결된 엔터티가 포함됨
  • KG를 사용하여 IBIM 사고 방식에서 신뢰할 수 있는 Generative AI 챗봇을 교육하기 위한 데이터를 생성할 수 있음

8. A Prompt Pattern Catalog to Enhance Prompt Engineering with ChatGPT

source: https://arxiv.org/pdf/2302.11382.pdf