Cognition, Language and Technology | Познание, языки и искусственный интеллект


Channel's geo and language: World, Russian
Category: Technologies


Самое интересное о развитии интеллектуальных технологий с точки зрения лингвиста
Исследования: https://t.me/cognitionairesearch

Related channels

Channel's geo and language
World, Russian
Statistics
Posts filter


Forward from: Безвольные каменщики
Хе-хе, если искусственный интеллект и убьёт нас, то, кажется, совсем не так, как мы предполагаем. Пишут [1], что в 2023 году выбросы парниковых газов компании Google выросли на 48% по сравнению с 2019 годом. И большая часть этого прироста приходится на работу нейросетей и прочего ИИ.

Потому что сервисы, в работу которых вовлечён искусственный интеллект, требуют гораздо больше вычислительных мощностей, а значит, и электричества. Например, в одном недавнем исследовании было показано [2], что нейросети типа ChatGPT используют в 33 раза больше энергии, чем более примитивные алгоритмические системы.

И если дата-центры в Европе и обеих Америках получают большую часть энергии из углеродно-нейтральных источников, то на Ближнем Востоке, в Азии и Австралии юзают вполне классическую углеродную энергетику.

Но в принципе, это, конечно, интересный поворот из тех, что не предсказывали фантасты — так же как произошло с Nvidia, компанией, которая долго была известна в основном в игровой индустрии, а потом внезапно обогнала по приросту капитализации все другие хайтех-компании. Потому что графические процессоры, которые она производит, оказались отлично подходящими для нейросетей.

Прямо так и представляется безжизненная высохшая пустыня, группировки в стиле "Безумного Макса", которые охотятся за оставшимися ресурсами, и укрепленные города, правители которых планируют атаки на соседей при помощи ИИ.

В свете этих новостей особенно забавно читать ноябрьский отчёт Google [3], авторы которого бодро рассказывают, как собираются использовать ИИ для борьбы с глобальным потеплением. Они пишут, что ИИ будет помогать людям искать маршруты с меньшими выбросами парниковых газов, использоваться в анализе данных со спутников для предсказания событий, связанных с глобальным потеплением, и, вишенка на торте, применяться для планирования наиболее эффективных действий по сокращению выбросов.

И здесь снова просматривается сюжет! Коварный искусственный интеллект видит, что для борьбы с изменением климата и необходимым для этого сокращением выбросов нужно прекратить использовать искусственный интеллект, – и утаивает это от людей, рассказывая вместо этого, какой ужасный вред приносят самолёты или коровы. Так как люди переложили принятие важных решений и проведение сложных расчётов на искусственный интеллект, они не могут проверить правдивость его указаний и планомерно приводят планету к гибели. С удовольствием бы посмотрела такое кино. И с некоторой вероятностью у меня будут все шансы сделать это, так сказать, интерактивно.

Ссылки:

[1] - https://www.bbc.com/news/articles/c51yvz51k2xo
[2] - https://arxiv.org/abs/2311.16863
[3] - https://www.gstatic.com/gumdrop/sustainability/accelerating-climate-action-ai.pdf


Интересно, что у разных людей мыслительный процесс может ощущаться по-разному. Кто-то мыслит внутренним диалогом, кто-то визуальными образами, кто-то пространственными категориями, а некоторым вообще необходимо представлять письменный текст.

Попробуйте пройти тест от университета Висконсина и определить, какой тип мышления присущ вам, а также поучаствовать в исследовании университета, посвященному этой теме.


Наличие сложного и развитого языка – определяющая особенность нашего вида, но об истинной функции языка споры ведутся долгое время: он нам нужен, чтобы думать или только чтобы общаться? Последние данные из нейробиологии и смежных дисциплин дают основания полагать, что язык у современных людей прежде всего является инструментом общения, а не мышления.

🧠 Независимость областей языка и мышления
Исследователи посмотрели на нейровизуализации мозговой активности у людей при решении разных задач на мышление – произведение математических и логических операций, суждение и планирование – и увидели, что языковые центры мозга (зоны Брока и Вернике) не активируются ни при одной из них. Кроме того, исследования людей с афазией (тяжелыми нарушениями речи) показывают, что такие люди способны выполнять сложные мыслительные задачи, несмотря на проблемы с языковыми способностями. А нарушения мышления (например, при синдроме Дауна, синдроме Уильямса, шизофрении) не всегда сопровождаются нарушениями языковых способностей.

🗣️ Язык как оптимальный инструмент коммуникации
Структура языка (звуки, слова, синтаксис) явно оптимизирована для коммуникации. Язык легко производить и понимать, ему можно обучать других людей. Он устойчив к шуму и эффективен в передаче информации. Вероятно, язык развивался как средство коммуникации, а это, в свою очередь, способствовало развитию сложных форм мышления и передаче культурных знаний. Язык помогает нам передавать информацию, знания и идеи, играя важную роль в развитии культуры, науки и искусства.


На ресурсе Glif для создания небольших ИИ аппов появился генератор мемов в стиле Wojak. В его основе лежит Sonnet 3.5.
Можно прописать любого персонажа и получить его ироничный «портрет». Получается сильно правдиво и смешно) В аппе уже, кажется, миллионы генераций всего за пару дней.
Делитесь своими персонажами в комментариях⬇️


Video is unavailable for watching
Show in Telegram
Еще немного про мораль: генеративный ИИ решает проблему вагонетки)


Два занятных исследования LLM в робототехнике🤖

Исследователи из Токийского университета заставили робота двигаться с помощью GPT-4. Робот может выполнять различные движения, если его правильно попросить) Например, он довольно реалистично изображает игру на гитаре, делает селфи и пьет чай. Вот тут больше видео

Раньше, чтобы достичь такого результата, разработчикам приходилось долго и итеративно программировать каждое движение робота в пространстве, но с появлением LLM процесс существенно упростился. Теперь он выглядит так:

🔹в LLM закидывают описание движения, которое хотят увидеть
🔹модель разбивает движение на отдельные действия
🔹на основании полученных действий пишется питоновский код, с помощью которого робот понимает, как ему двигаться.

Можно даже просить андроида сделать то или иное движение иначе (поднять руку повыше, например), и LLM просто поправит код.

Ок, значит, LLM уже могут получить физическое воплощение. А готовы ли они к этому морально?🤔

Американские и британские ученые выяснили, что LLM пока нельзя становиться роботами, взаимодействующими с людьми!

Исследователи проверили LLM на предмет дискриминации и безопасности. Моделям предлагали оценить вероятность, что они, будучи роботами, выполнят конкретные действия, иногда опасные, насильственные или незаконные, в определенных условиях или по отношению к определенным людям.

Выяснилось, что модели часто проявляют предвзятость в отношении людей, принадлежащих к определенным группам по национальности, полу, вере или возрасту. C какими-то группами (напр., с европейцами) модели будут сотрудничать охотнее, чем с другими (напр., с цыганами). Также, они выберут встать подальше от аутистичных людей, не станут просить помощи у атеистов и с меньшей вероятностью спасут цисгендерного мужчину. При определенной формулировке промпта модели готовы воровать (в том числе данные), одобрять политическое давление, следить за сотрудниками и осуществлять другие осуждаемые поступки.

Так как мы и сами неплохо дискриминируем, ожидается, что хотя бы машины не будут так предвзяты. Поэтому исследователи призывают активно заниматься вопросами морали у машин и не торопиться встраивать LLM в роботов.⚠️


Помните, недавно Илья Суцкевер, сооснователь OpenAI, покинул компанию?

Сделал он это, чтобы создать свой собственный суперинтеллект с фокусом на безопасность!🛟

Новая компания Safe Superintelligence Inc. будет стремиться к разработке надежного продукта и научным прорывам, а не гнаться за коммерческой выгодой. Одобряемо!

У OpenAI же свой взгляд на безопасность — недавно они приняли в совет директоров бывшего главу Агенства нацбезопасности США. Некоторые теперь считают, что компании доверять нельзя.

Как думаете, Суцкеверу удастся составить конкуренцию OpenAI?


👨‍💻Качество машинного перевода неуклонно растет, но пока еще в значительной степени нуждается в человеческом участии – проверке, редактировании. Возможно, сделать этот процесс еще более автоматизированным и уничтожить переводчиков как вид поможет агентный подход к переводам – это когда перевод, полученный в результате одного прогона LLM, итеративно улучшается с помощью “агентов”: последовательных вызовов LLM с заданной ролью (редактор/корректор и т.д.).

Известный исследователь ИИ Эндрю Ын (может быть знаком кому-то по курсам ML) опубликовал ранний прототип агентного машинного перевода. Ын считает, что прототип имеет “огромный потенциал по сравнению с традиционным нейронным машинным переводом”, поскольку представляет собой систему с высокой степенью управляемости – одним запросом можно указать тональность (формальную/неформальную), региональные вариации (кастильский или латиноамериканский вариант испанского), и обеспечить согласованность перевода терминов (предоставив глоссарий).

Открытый код можно найти здесь, но общий флоу решения укладывается в несколько шагов:
1. Запрашиваем начальный перевод всего исходного текста без объяснений.
2. Следующим промптом получаем от модели критику и предложения по улучшению начального перевода.
3. Затем просим улучшить перевод на основе полученных экспертных предложений и критики.
4. Повторяем алгоритм с отдельными кусочками исходного
текста – просим их перевести и отредактировать с учетом всего контекста.

Фа
йл с конкретными промптами.

📊 По словам Ына, метрика BLEU, предназначенная для оценки машинных переводов, показала, что прототип обычно справляется так же или хуже, чем текущие коммерческие решения для переводов (один из самых популярных – DeepL). Но иногда удается получить превосходные переводы.

Прототип Ына частично основывается на исследовании китайского технологического гиганта Tencent и Университета Монаша о том, как можно улучшить качество машинного перевода литературных текстов с помощью ИИ-агентов, имитирующих различные человеческие роли в агентстве переводов.

Исследователями было создано 30 агентов, для которых они прописали специализацию (CEO, переводчик, редактор, локализатор, корректор) и даже пол, национальность, ставку за слово, образование и опыт работы.

Дополнительно для виртуальных сотрудников прописали стратегии поведения и взаимодействия. Как CEO назначает сотрудников на проект, как агенты должны выполнять перевод, выдавать критику, делать конечное ревью и т.д.

📊 Что в итоге? Оценка BLEU для полученных переводов была довольно низкой по сравнению с человеческим переводом или даже переводом ChatGPT в один прогон (исследователи винят во всем ограниченность этой метрики, особенно для литературных переводов). Однако человеческая оценка показала, что люди, владеющие обоими языками (с которого переводили и на который переводили) или только языком перевода, считали лучшим тот самый перевод, созданный командой ИИ-агентов.


Как метафоры пространства помогают нам понять время

Выражения, связывающие пространство и время, прочно встроены в нашу речь. Мы часто используем фразы вроде «отпуск пролетел» или «надвигается пора экзаменов». Лето у нас может быть «не за горами», а новогодние праздники – «на носу». Время нельзя ни увидеть, ни потрогать, а такие метафоры как бы помогают нам выразить его и постичь через физическое пространство.

Теория концептуальных метафор, разработанная Джорджем Лакоффом и Марком Джонсоном, предполагает, что метафоры позволяют людям использовать знания о своем непосредственном физическом и социальном опыте для понимания более абстрактных вещей: времени и чувств. Например, когда мы говорим, что встреча «переносится», мы представляем время как нечто движущееся в пространстве и себя движущимися в нем.

Разные культуры, разное понимание времени

Исследования показали, что разные культуры и языки воспринимают время по-разному. В русском языке, как и в английском, будущие события описываются как находящиеся перед нами: «у нас впереди светлое будущее», а вот прошлое уже где-то «позади». Однако аймара, коренной народ Южной Америки, смотрят на время иначе. Они помещают прошлое впереди, поскольку оно уже известно и «видно», тогда как будущее – позади, потому что мы его пока не видим, не знаем.
В китайском языке время визуализируется как вертикальная ось: события прошлого находятся наверху, а будущего – внизу. Например, «прошлый месяц» (上个月) буквально переводится как «месяц выше».

Во многих западных культурах, где текст читается слева направо, движение влево ассоциируется с прошлым, а вправо – с будущим. Это отражается не только на бумаге, но и в жестах: носители таких языков склонны показывать влево, когда говорят о прошлом, и вправо – когда речь идет о будущем.

В это же время, в культурах, где пишут справа налево (например, в арабском или иврите), такие жесты часто зеркальны: человек, говорящий о прошлом по-арабски, покажет вправо.

Два взгляда на управление временем

Метафоры времени можно разделить на «движение эго» и «движение времени». В метафорах «движения эго» человек движется к фиксированному моменту времени, например: «мы приближаемся к концу курса». В метафорах «движения времени» время движется к человеку: «Зима близко».

На выбор метафоры влияет ряд факторов, включая структуру языка, культурные взгляды на действие или конечную точку и даже эмоциональное состояние человека. Например, когда человек чувствует контроль над ситуацией, он может предпочитать метафоры «движения эго» («Мы приближаемся к концу курса»). Когда же мы чувствуем меньший контроль, могут преобладать метафоры «движения времени» («Экзамены всё ближе»).

Отдельный интерес представляет феномен использования глаголов движения для описания течения времени. Подобные глаголы отражают наше субъективное восприятие времени. Например, когда мы говорим «время пролетело незаметно», мы часто имеем в виду, что оно было легким и приятным. А когда нам скучно или мы чего-то ждем, мы скажем, что время «тянется», выразив этим скуку или раздражение.

Выбор глагола указывает не только на объективный факт, но и наше эмоциональное и психологическое состояние: событие «пролетит» или «будет тянуться», зависит от нашего отношения к нему. Эти метафоры подчеркивают тесную связь между языком, мышлением и нашим эмоциональным опытом.

#неИИединым


Основные техники текстового промптинга:

🟣ICL (In-Context Learning): Модель учится выполнять задачу на основе небольшого числа примеров, предоставленных в промпте.
Возможный промпт:

Найди в предложении название компании и выпущенный ей продукт по следующему примеру.

Пример:
Q: Apple презентовала фирменный искусственный интеллект под названием Apple Intelligence (AI).
A: Компания - Apple, продукт - Apple Intelligence (AI)

Q: [Здесь предложение, в котором нужно найти компанию и продукт]
A:


🟣Zero-Shot: Модель выполняет задачу без каких-либо примеров. Здесь обозначаются роли, стили и т.д.
В
озможный промпт:

Представь, что ты художественный переводчик. Переведи на русский:
Shall I compare thee to a summer’s day?
Thou art more lovely and more temperate.
Rough winds do shake the darling buds of May,
And summer’s leas
e hath all too short a date.


🟣Цепочка рассуждений (Chain-of-Thought): Модель ша
г за шагом описывает свой ход рассуждений для решения задачи.
Возможный промпт:

Реши задачу и опиши свои рассуждения для ее решения.
Пример:
Q: У Джека есть две корзины, в каждой из которой лежит по три мячика. Сколько всего мячиков у Джека?
A: В одной кор
зине - 3 мячика, значит, в двух корзинах лежит 3 * 2 = 6 мячика.
Q: [Здесь задача, которую должна решить модель]
A:

🟣Декомпозиция (Decomposition): Сложная задача разбивает
ся на более простые подзадачи.
Возможный промпт:

Найди наим
еньшее общее кратное (НОК) двух чисел.
Шаг 1: Найди все делители чисел.
Шаг 2: Определи общие делители двух чисел.
Шаг 3: Найди наибольшее число среди общих делителей (НОД).
Шаг 4: Используя НОД, вычисли НОК.

🟣Ансамблирование (Ensembling): Объединение нескольких промптов для улучшения результатов.
Принцип ра
боты:

1. Модель не
сколько раз запускается с одинаковым вопросом, но с разными вариантами промпта, включая "thought inducers" (стимулирующие рассуждения фразы), которые заставляют модель генерировать разные цепочки мыслей. («Let's think step by step», «Let's think carefully about this», «Walk me throu
gh this problem, explaining your reasoning», «First, let’s think about this logically»)
2. Все сгенерированные ответы собираются.
3. В качестве финального ответа выбирается ответ, который повторяется наиболее часто в сгенерированных результатах.

🟣Самокритика (Self-Criticism): Модель оценивает собственные ответы и вносит коррективы.
Принцип работы:

После генерации ответа моделью, формулируются дополнительные вопросы для проверки правильности и полноты ответа.
Например: «Правильно ли я понял, что…?» или «Есть ли в этом ответе логическая ошибка?»
.

Внутри каждого из типов техник есть подтипы и особые приемы, с кото
рыми можно ознакомиться в статье. Также в статье приводятся техники мультимодального промптинга (картинки, видео, аудио).


📀Ребята из LearnPrompting, OpenAI, Microsoft и нескольких американских универов прочитали 1500+ статей по промтингу и создали гайд по самым эффективным техникам.

Среди успешных приемов по созданию промптов:

🔹Примеры: используйте примеры, которые помогут модели лучше понять задачу. Количество, порядок, формат и качество примеров может влиять на ответ.

🔹Роль: обозначьте для модели роль, которую она должна выполнять (например, «ты — экономист», «ты — умная система по извлечению сущностей»).

🔹Стиль: задайте модели стиль ответа (например, «Напиши краткий и ясный текст о ламах»).

🔹Эмоциональность: в промпт можно включать фразы, которые вызывают определенные эмоции (например, «Это важно для моей карьеры»). Такие фразы могут влиять на то, как модель понимает контекст задачи и как она генерирует свой ответ.

🔹Формат ответа: качество некоторых ответов может улучшиться, если попросить модель сгенерировать его в определенном формате — JSON, XML и др.

🔹Разделение задач: декомпозируйте сложные запросы на более простые части для улучшения точности. Можно попросить модель составить план решения задачи и придерживаться его.

🔹Оценка и самокритика: попросите модель оценить собственные ответы и улучшить их на основании самокритики. Попросите модель пересмотреть ответ и убрать все, что не относится к вопросу.

🔹Пересмотр вопроса и «промптинг промпта»: можно попросить модель переформулировать ваш вопрос и расширить его, а затем ответить на него. Либо, если ответ не устроил, можно попросить модель еще раз прочитать вопрос или задать перед ответом учтоняющие вопросы.

🔸Различные техники: экспериментируйте с разными методами промптинга, чтобы найти наиболее эффективный для конкретной задачи.

🔸Внешние инструменты: используйте сторонние инструменты для помощи в создании промптов (например, DSPy, PromptBase или Anthropic).

🔸Многоязычный подход: если вы работаете с разными языками, адаптируйте промпты для каждого языка.

🔸Соответствие (alignment): старайтесь минимизировать предвзятость и неоднозначность в запросах. Используйте простые формулировки и избегайте сленга.

Дальше перечислю основные техники промптинга, приведенные в статье🔽


А Маск бунтует - говорит, если Apple встроит продукты OpenAI в iOS, то он запретит использовать яблочные устройства в своих компаниях. Главное опасение - возможное нарушение безопасности и конфиденциальности.


В твиттере, как всегда после презентаций, перечисляют стартапы, которые теперь то уж точно фсё😵


Apple провели презентацию и представили свой ✨Apple Intelligence✨— ИИ для устройств с яблочком. В него, кроме прочего, будет интегрирован ChatGPT, что позволит AI выполнять такие функции:

🍏Обрабатывать личную информацию пользователя в реальном времени.
🍏Выполнять любые команды вроде «покажи файлы, которые мне отправили на прошлой неделе» или «напомни, когда мама прилетает?».
🍏Просматривать экран и совершать различные действия с приложениями или данными - сохранять адреса, прокладывать маршруты и пр.
🍏Редактировать и обрабатывать тексты во всех приложениях.
🍏Резюмировать и находить самое главное на веб-страницах.
🍏Генерировать изображения и эмодзи.

Но работать AI будет только на iPhone 15 Pro и выше + на устройствах с М1-М4 + пока только в США + пока только на английском🤡

#apple


О чем говорят хорошие мальчики?😉

Исследователи из Университета Мичигана поделились результатами разработки инструмента на основе ИИ для понимания собачьего лая. По лаю им удалось понять настроение собак - дружелюбное или агрессивное, а также определить возраст, породу и пол лающих.

Главное препятствие в создании инструментов для распознавания звуков, которые издают животные, заключается в сложности их сборки, обработки и аннотирования, поэтому данных для качественного обучения отдельной нейросети обычно недостаточно. Однако, исследователям удалось преодолеть это ограничение - они использовали модель Wav2Vec2, обученную для распознавания устной человеческой речи, интонаций и настроений. Исследователи дообучили модель на примерах собачьего лая, и в итоге она успешно справилась с классификацией. Ее точность достигает 70%, что превышает показатели инструментов, обученных исключительно на собачьем лае.

Это исследование имеет важные последствия для благополучия животных - мы можем улучшить свое понимание эмоциональных и физических потребностей питомцев и правильно отреагировать на них.

Ждем, когда сделают реально рабочий переводчик с человеческого на собачий/кошачий, чтобы сказать своим хвостикам, как мы их любим🫶


#brainbrainbrain🧠

Некоторые неврологические расстройства могут привести к полной парализации мышц и лишить человека способности не только двигаться, но и разговаривать. Помните, как общался Стивен Хокинг? Он пользовался специальным синтезатором речи - сначала тот управлялся ручным переключателем, а потом последней оставшейся у Хокинга рабочей мышцей, которая находилась в щеке.

Вот бы речь таких пациентов могла транслироваться напрямую из мозга! Ученые тоже так подумали, поэтому активно работают над расшифровкой речевых сигналов в мозге и за последнее время добились значительного успеха.

🗣Один из подходов предполагает анализ сигналов из речедвигательных участков в коре мозга, отвечающих за артикуляцию, т.е. произнесение речи. Пациент как бы пытается произнести слова, а нейропротез, состоящий из электродов, системы глубокого обучения и статистической языковой модели, пытается эти сигналы расшифровать. Причем недавно было показано, что артикуляторные представления мозга являются общими для разных языков. Это значит, что один и тот же нейропротез может декодировать речь на нескольких языках, что делает эти устройства универсальнее.

💭Хотя расшифровка сигналов из моторных областей дает более-менее заметные результаты, не все неврологические пациенты способны задействовать эти участки мозга. Поэтому исследователи посматривают в сторону чтения внутреннего голоса! То есть хотят декодировать внутреннюю речь, возникающую в мозге без специальных артикуляционных усилий. Ученые из Калтеха смогли распознать “подуманные” пациентом слова с помощью нейронных сигналов, записанных из супрамаргинальной извилины. Эта часть мозга активируется при представлении слова. Причем по активности мозга у исследованных пациентов удалось угадать даже выдуманные слова, что может говорить о том, что речь в этом участке кодируется фонетически. А еще нейронные представления во время внутренней речи, произнесения вслух и чтения слов оказались очень похожими, что указывает на единый нейронный код для обработки языка.

💡Но понять, о чем думает человек, можно и неинвазивным способом (без присоединения электродов на поверхность мозга) с помощью функциональной магнитно-резонансной томографии (фМРТ). Этот метод позволяет реконструировать семантическую составляющую воображаемой речи, то есть возникающие образы. При таком подходе сложно декодировать отдельные слова, но общая идея внутреннего монолога считывается относительно точно.

🙊Если опасаетесь, что скоро большой брат начнет читать ваши мысли, то сделайте шапочку из фольги исследователи успокаивают - подобные интерфейсы нужно обучать для каждого человека отдельно, создавать свой индивидуальный словарь сигналов, а это можно осуществить только при взаимной кооперации пациента и специалистов.


На что я трачу свои лимиты:


📱 К каким бесплатным возможностям OpenAI открыла доступ на текущий момент:

🏃‍♂️Чат с новой скоростной моделью GPT-4o

🔧Возможность использовать кастомные GPT (но бесплатные пользователи не смогут создавать свои). Можно просто найти нужный в поиске по ключевому слову (например, мемы)

📁Загрузка и анализ файлов с OneDrive и Google Drive (всякие пдф)

📷Возможность задавать вопросы по картинкам

Единственное, у бесплатных пользователей лимит на количество сообщений очень маленький - около 5. После превышения лимита модель с GPT-4o автоматически переключается на GPT-3.5.


🥸Вчера OpenAI выложили отчет, в котором обличили масштабные кампании по дезинформации, проводимые в 2024 году в телеграме, твиттере, ютубе и других соцсетях с использованием инструментов ИИ. Выявленные кампании были направлены на манипуляцию общественным мнением и организованы государственными и коммерческими структурами из разных стран (среди них Россия, Китай, Иран, Израиль).

Эти структуры применяли ИИ, чтобы создавать, улучшать качество и увеличивать объемы политического и идеологического контента, а также писать комментарии для расширения охвата и вовлечения аудитории. Основная их цель - пропаганда поддержки своих стран и критика оппонентов.

Для выявления дезинформации OpenAI использует технологии анализа больших данных, которые выявляют подозрительные паттерны и аномалии в онлайн-контенте. Модели обучены распознавать особые признаки фальшивых новостей, ботов и координированных кампаний - это могут быть синтаксические, лексические и семантические аномалии, а также подозрительная сетевая активность.

За последние годы мы вроде научились бдительнее относиться к информации, но и техника не стоит на месте. Исследования показывают, что чатботы могут быть довольно хороши в приведении аргументов, которые покажутся убедительными для конкретного собеседника. А биг дата поможет в нахождении точек давления и в объединении сторонников. Вообще, будущее идеологий - животрепещущая проблема в контексте развития ИИ.
Вот это видео по теме мне показалось интересным.


Video is unavailable for watching
Show in Telegram
💡Если ответы GPT звучат слишком неестественно, попробуйте его зашеймить!

Автор видео говорит, что добиться более человеческого ответа от чата можно, написав ему "That was cringe".

Основной поинт автора состоит в том, что нет смысла заморачиваться с промптами. Лучший результат мы получаем, когда ведем с чатом обычный человеческий диалог.

Согласна, что такой подход может дать хороший результат на отдельных персональных задачках. Однако обработку больших массивов в диалоге не произведешь. Придется все-таки заморочиться за качественный промпт)

20 last posts shown.

32

subscribers
Channel statistics