Nghiêm túc, LLMs, Agentic AI và tất cả các công cụ Generative AI này là tuyệt vời, và chúng rất hữu ích cho một số trường hợp sử dụng. Tuy nhiên, chúng ta cần phải thức dậy, bởi vì có một số sự phóng đại nghiêm trọng và những quan niệm sai lầm đang trôi dạt xung quanh mà đang gây ra những vấn đề nghiêm trọng. 1️⃣ Các mô hình ngôn ngữ lớn (LLM) là nền tảng của "Universal Solver" có thể tìm ra giải pháp cho bất kỳ vấn đề nào. LLMs là siêu mạnh mẽ trong việc tạo ra nội dung, nhưng họ (trong cốt lõi của họ) chỉ là các mô hình dự đoán thống kê chọn những gì "token" tiếp theo là - không có sự hiểu biết hợp pháp, lý luận thực sự, hoặc sự hiểu biết nhân quả đằng sau các mô hình này, không có vấn đề ai đang cố gắng nói với bạn khác. bất kỳ "mô hình mới nổi của AGI" tin tức là chỉ vì các mô hình này có mô hình thống kê mạnh mẽ mà họ đã học được, mà biểu hiện như khả năng quay trở lại các mô hình mà họ đã được đào tạo. ❌ WRONG! Bằng chứng từ các tiêu chuẩn như hiển thị rằng hầu hết các mô hình phổ biến ghi dưới 50% trên các nhiệm vụ dễ dàng cho con người, chứng minh rằng họ là các nhà tiên đoán thống kê, không phải là những người giải quyết toàn thức. Khái niệm sai lầm này xuất phát từ sự nhạo báng xung quanh "kỹ năng mới nổi", nhưng quy mô các quy luật (ví dụ, Hiển thị thu nhập giảm mà không có thay đổi kiến trúc cơ bản. ARC (Abstraction and Reasoning Corpus) (Từu tượng và lý luận Corpus) https://arcprize.org/leaderboard giấy chinchilla 2️⃣ Generative AI là con đường đến trí tuệ tổng quát nhân tạo (AGI) hoặc siêu trí tuệ nhân tạo (ASI). Công việc chính của nó là bắt chước: học cách trông và âm thanh thuyết phục giống như dữ liệu mà nó đã được đào tạo. nó có thể làm một số thủ thuật ấn tượng, như phân tích nội dung của hình ảnh và liên quan đến bộ dữ liệu đào tạo của nó, nhưng tất cả điều này được giảm xuống còn toán học và thống kê thay vì các khái niệm khách quan. ❌ WRONG! Cũng xem xét rằng trí thông minh chung đòi hỏi trí thông minh cảm xúc, và cảm xúc là một cái gì đó mà các mô hình AI hiện tại không phải là rất tốt về nó. Nếu chúng ta muốn thông minh ở cấp độ con người, hoặc tốt hơn, chúng ta cần cải thiện nhiều hơn với trí tuệ cảm xúc nhân tạo. Con người đôi khi sử dụng đến 90% cảm xúc khi đưa ra quyết định nhất định. 3️⃣ Các mô hình AI tạo ra suy nghĩ và học hỏi giống như con người. Bất kỳ dữ liệu đa phương thức nào, chẳng hạn như hình ảnh, âm nhạc, v.v., cần phải được xử lý và chuyển đổi thành một định dạng tối ưu cho các mô hình để sử dụng nó.Chúng tôi chỉ mới bắt đầu xây dựng các hệ thống có thể tự động thu thập dữ liệu mới và đưa nó vào một quá trình để kết hợp vào chính nó, nhưng quá trình này không giống như cách não người hoạt động.Hầu hết các mô hình GenAI cần phải được đào tạo lại rõ ràng khi dữ liệu mới có sẵn. ❌ WRONG! 4️⃣ AI tạo ra dân chủ hóa sự sáng tạo, vì vậy mọi người đều có thể sáng tạo ngay bây giờ. GenAI chỉ biết làm thế nào để trộn lại dữ liệu đào tạo theo cách xác suất! Nếu bạn đào tạo một mô hình hình chỉ bằng cách sử dụng dữ liệu từ các bức tranh của Salvador Dali, nó sẽ chỉ có thể tạo ra nghệ thuật trông giống như và "từ" mô hình nghệ thuật của phong cách của Dali. Tùy chỉnh tốt một mô hình chung với nghệ thuật Dali dẫn đến một giải pháp ít hiệu quả hơn cho cùng một thách thức, nhưng nó trộn vào một chút công việc của người khác. Nó chắc chắn là sự thật rằng GenAI cho phép mọi người không có đào tạo nghệ thuật để tạo ra các tác phẩm nghệ thuật mới. Điều này là tuyệt vời cho một số trường hợp sử dụng như nội dung tiếp thị. Những hình ảnh được tạo ra nhanh chóng trông ấn tượng, và một trường hợp có thể được thực hiện rằng "tạo ra một hình ảnh từ" với một lời 👎 👍 Not exactly. “Generative AI” là an toàn và không thiên vị; chúng ta nên sử dụng nó càng nhiều càng tốt. nó sẽ không làm tổn thương bất cứ ai nếu tôi chỉ sử dụng AI cho mọi thứ, phải không? Không có mô hình AI không thiên vị. Ngành công nghiệp cũng đang vội vã cung cấp các mô hình mới nhanh hơn và nhanh hơn mà họ không làm nhiều thử nghiệm như họ nên. Các ví dụ hoàn hảo về điều này là xung quanh những người trẻ tuổi phát triển mối quan hệ với chatbot AI, những người không thực sự hiểu cảm xúc, và chỉ có thể lặp lại các mô hình từ các cuộc trò chuyện của người khác và tài liệu đào tạo. LLM cũng có ảo giác, nơi họ tạo ra câu trả lời (trên thực tế, họ "chọn" gần như ngẫu nhiên từ các khái niệm vì họ không có lựa chọn xác suất tốt), nhưng họ không cố gắng để cho bạn biết. Điều này có nghĩa là nhiều người sẽ bị lừa để nghĩ rằng những câu trả lời này là đúng khi, trên thực tế, họ rất sai. Một số công nghệ giúp đỡ với điều này (RAG ❌ DANGEROUS! Bạn nghĩ điều này có thể không nguy hiểm cho bạn hoặc người khác? Điều gì về những người trẻ tuổi “nói chuyện” với các mô hình AI về tự tử, và được tư vấn, như thể họ đang cung cấp lời khuyên về sức khỏe tâm thần? Những loại trường hợp sử dụng này chỉ được thực hiện sau khi chúng gây ra vấn đề với người dùng. Đây là một ví dụ cổ điển về việc cố gắng sử dụng công nghệ cho các trường hợp sử dụng khi không có chuyên môn liên quan. Vậy làm thế nào chúng ta có thể điều chỉnh và tránh những quan niệm sai lầm này? ✅ Con người đầu tiên. Đừng tin tưởng AI để nuôi dưỡng bạn những ý tưởng ban đầu của bạn. Bạn mang lại những thứ tốt, và để AI thực hiện biên tập / tinh chỉnh (họ tuyệt vời về điều đó!). ✅ Human last. Never just blindly accept the result as complete. Triple-check everything to make sure it has no mistakes! Thậm chí tạo ra hình ảnh, video, và âm nhạc có thể được gửi đến một AI và có một đánh giá được thực hiện để phát hiện / so sánh với các tác phẩm có bản quyền. ✅ Hãy tự hào về những gì bạn làm. chuyên môn hóa của bạn là những gì làm cho bạn tuyệt vời. Nếu bạn không giỏi trong một cái gì đó, sử dụng AI (người đầu tiên và cuối cùng!) là ok, miễn là bạn không nhận được một cái đầu lớn về bạn là nhà sản xuất của công việc đó ... Mặt khác, bạn nên tự hào về việc tạo ra công việc sử dụng kỹ năng chuyên môn cốt lõi của bạn. ✅ Nói về khu vực màu xám.Khi một cái gì đó cảm thấy như nó đã vượt qua đường dây của tính toàn vẹn và quyền sở hữu do việc sử dụng AI, hãy nói về nó với nhóm, quản lý hoặc các chuyên gia ngành công nghiệp của bạn!Đừng chỉ để một trường hợp sử dụng có vấn đề gây ra vấn đề sau này. Vì vậy, những gì bạn nghĩ? Tôi có nhớ bất kỳ lớn ở đây? Bạn không đồng ý? cảm thấy tự do để tham gia với tôi trên X hoặc LinkedIn.

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

Cool Projects

PhD Research

Nghe bài viết này bằng Tiếng Anh, đọc bởi robot thông minh của HackerNoon

⭐️Calling All Brains! ⭐️GENAI Misconceptions!

About Author

BÌNH LUẬN

chuyên mục

BÀI VIẾT NÀY CŨNG CÓ MẶT TẠI

Related Stories

85 Stories To Learn About Travel

178 Stories To Learn About Essay

85 Stories To Learn About Productivity Hacks

287 Stories To Learn About Blockchain Development

85 Stories To Learn About Travel

178 Stories To Learn About Essay

85 Stories To Learn About Productivity Hacks

287 Stories To Learn About Blockchain Development

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps