Ernsthaft, LLMs, Agentic AI und all diese Generative AI-Tools sind cool, und sie sind hilfreich für einige Anwendungsfälle. Wir müssen jedoch aufwachen, weil es einige ernsthafte Übertreibungen und Missverständnisse gibt, die da draußen schwimmen und ernsthafte Probleme verursachen. 1️⃣ Große Sprachmodelle (LLMs) sind die Grundlage des "Universal Solver", der Lösungen für jedes Problem finden kann. LLMs sind super mächtig bei der Content-Generation, aber sie sind (im Kern) nur statistische Vorhersagemodelle, die wählen, was das nächste "Token" ist - es gibt KEIN legitimes Verständnis, wahre Begründung oder kausales Verständnis hinter diesen Modellen, egal wer versucht, Ihnen etwas anderes zu sagen. ❌ WRONG! Beweise aus Benchmarks wie zeigen, dass die meisten beliebten Modelle unter 50% auf Aufgaben, die für den Menschen einfach sind, scoren, was beweist, dass sie statistische Vorhersager sind, nicht allwissende Lösungsmittel. Diese Missverständnis stammt aus dem Hype um "entwickelte Fähigkeiten", aber Skalierungsgesetze (z. B. Verringerung der Renditen ohne grundlegende architektonische Änderungen anzeigen. ARC (Abstraktion und Argumentation Corpus) https://arcprize.org/leaderboard Chinchilla Papier 2️⃣ Generative AI ist der Weg zu künstlicher allgemeiner Intelligenz (AGI) oder künstlicher Superintelligenz (ASI). Seine Hauptaufgabe ist Nachahmung: Er lernt, wie man überzeugend aussieht und klingt wie die Daten, auf denen er geschult wurde. ❌ WRONG! Betrachten Sie auch, dass allgemeine Intelligenz emotionale Intelligenz erfordert, und Emotionen sind etwas, das aktuelle KI-Modelle nicht sehr gut darin sind. Wenn wir Intelligenz auf menschlicher Ebene wollen, oder besser, brauchen wir viel mehr Verbesserung mit künstlicher emotionaler Intelligenz. Menschen benutzen manchmal bis zu 90% der Emotionen, wenn sie bestimmte Entscheidungen treffen. 3️⃣ Generative AI-Modelle denken und lernen wie Menschen. Alle multimodalen Daten, wie Bilder, Musik usw., müssen verarbeitet und in ein optimiertes Format umgewandelt werden, damit die Modelle es verwenden können.Wir beginnen gerade jetzt, Systeme zu bauen, die automatisch neue Daten sammeln und in einen Prozess einbetten können, um sie in sich selbst zu integrieren, aber der Prozess ist nicht wie die Arbeit des menschlichen Gehirns. ❌ WRONG! 4️⃣ Generative KI demokratisiert Kreativität, so dass jeder jetzt kreativ sein kann. GenAI weiß nur, wie man Trainingsdaten probabilistisch remixte! Wenn Sie ein Bildmodell nur mit Daten aus Salvador Dali Gemälden trainiert haben, wäre es nur in der Lage, Kunst zu erzeugen, die aussieht und das künstlerische Paradigma von Dali-Stil "erholt". Fine-Tuning eines allgemeinen Modells mit Dali-Kunst führt zu einer etwas weniger effektiven Lösung für die gleiche Herausforderung, aber es mischt sich in ein wenig anderer Arbeit. Es ist sicherlich wahr, dass GenAI Menschen ohne künstlerische Ausbildung neue Kunstwerke erzeugen lässt. Dies ist großartig für bestimmte Anwendungsfälle wie Marketing-Inhalte. Die schnell erzeugten Bilder sehen beeindruckend aus, und ein Fall kann gemacht werden, dass "das Erstellen eines Wortbildes" mit einer guten 👎 👍 Not exactly. 5️⃣ „Generative AI“ ist sicher und unvoreingenommen; wir sollten es so viel wie möglich verwenden. Es gibt nicht so etwas wie ein unparteiisches AI-Modell. Die Branche ist auch in einer solchen Eile, neue Modelle schneller und schneller zu liefern, dass sie nicht so viel testen, wie sie sollten. Die perfekten Beispiele dafür sind rund um junge Menschen, die Beziehungen mit AI-Chatbots entwickeln, die Emotionen nicht wirklich verstehen und Muster aus den Chats anderer Menschen und Schulungsdokumenten nur wiederholen können. LLMs haben auch Halluzinationen, wo sie Antworten erstellen (in der Tat, sie „auswählen“ fast zufällig aus Konzepten, weil sie keine guten probabilistischen Entscheidungen haben), aber sie versuchen Sie nicht zu informieren. Dies bedeutet, dass viele Menschen getäuscht werden, dass diese Antworten richtig sind, wenn sie in der Tat sehr falsch sind. ❌ DANGEROUS! Was ist mit den jungen Menschen, die mit AI-Modellen über Selbstmord „gesprochen“ haben und Ratschläge erhalten haben, als ob sie Rat für die psychische Gesundheit erteilen würden? Diese Arten von Anwendungsfällen werden erst dann bearbeitet, wenn sie Probleme mit den Nutzern verursachen. Wie können wir uns an diese Missverständnisse anpassen und vermeiden? ✅ Mensch zuerst. Vertrauen Sie nicht der KI, um Ihnen Ihre ursprünglichen Ideen zu füttern. Sie bringen die guten Dinge mit und lassen Sie die KI die Redaktion / Verfeinerung tun (sie sind großartig darin!). ✅ Human last. Never just blindly accept the result as complete. Triple-check everything to make sure it has no mistakes! Selbst erzeugte Fotos, Videos und Musik kann an eine KI eingereicht werden und eine Bewertung für die Erkennung / Vergleich mit urheberrechtlich geschützten Werken gemacht werden. ✅ Seien Sie stolz auf das, was Sie tun. Ihre Spezialisierung ist das, was Sie erstaunlich macht. Wenn Sie nicht gut in etwas sind, ist die Verwendung von KI (menschlich zuerst und zuletzt!) in Ordnung, solange Sie nicht einen großen Kopf darüber bekommen, dass Sie der Produzent dieser Arbeit sind ... Auf der anderen Seite sollten Sie stolz sein, die Arbeit zu erstellen, die Ihre Kernspezialisierungsfähigkeiten verwendet. ✅ Sprechen Sie über den grauen Bereich.Wenn etwas das Gefühl hat, dass es aufgrund der Verwendung von KI die Linie der Integrität und des Eigentums überschritten hat, sprechen Sie mit Ihrem Team, dem Management oder den Branchenexperten darüber! Also was denkst du? vermisse ich hier irgendwelche großen? stimmst du nicht überein? fühle dich frei, mich auf X oder LinkedIn zu engagieren.

This story contains new, firsthand information uncovered by the writer.

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

Read My Stories

Dieses Audio ist in der Originalsprache der Geschichte produziert!

⭐️Calling All Brains! ⭐️GenAI Missverständnisse!

About Author

KOMMENTARE

Hängeetiketten

DIESER ARTIKEL WURDE VORGESTELLT IN

Related Stories

HackerNoon Decoded 2024: Wir feiern unsere Gaming-Community!

HackerNoon Decoded 2024: Wir feiern unsere Produktmanagement-Community!

Genuine Content Creation in the Age of AI: Why Startups Need Quality Content

HackerNoon Decoded 2024: Wir feiern die Community unserer Technologieunternehmen!

HackerNoon Decoded 2024: Wir feiern unsere Gaming-Community!

HackerNoon Decoded 2024: Wir feiern unsere Produktmanagement-Community!

Genuine Content Creation in the Age of AI: Why Startups Need Quality Content

HackerNoon Decoded 2024: Wir feiern die Community unserer Technologieunternehmen!

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps