Andrew Ng: Üretken AI vızıltısıyla bile, denetimli öğrenme kısa vadede “daha fazla değer” yaratacak

Nadiren böyle bir kişiyle sohbete girilir. Andrew Ngyapay zeka ve teknoloji alemlerinde bir eğitimci, araştırmacı, yenilikçi ve lider olarak silinmez bir etki bırakmış olan Dr. Neyse ki, son zamanlarda bunu yapma ayrıcalığına sahip oldum. Bizim lansmanı detaylandıran makale Landing AI’nin bulut tabanlı bilgisayarla görme çözümü, iniş merceğiLanding AI’nin kurucusu ve CEO’su Ng ile etkileşimime bir bakış sunuyor.

Bugün, bu çığır açan teknoloji liderinin düşüncelerini daha derinlemesine inceleyeceğiz.

AI’daki en önemli isimler arasında yer alan Andrew Ng, aynı zamanda Derin Öğrenme.AI, Coursera’nın eş başkanı ve kurucu ortağı ve Stanford Üniversitesi’nde yardımcı profesör. Ayrıca, Baidu’da baş bilim adamı ve Google Brain Project’in kurucusuydu.

Karşılaşmamız, AI’nın evriminde hem umut hem de tartışma ile işaretlenmiş bir zamanda gerçekleşti. Ng aniden kaynamayı tartıştı üretici yapay zeka savaş, teknolojinin gelecekteki beklentileri, nasıl verimli bir şekilde eğitileceğine dair bakış açısı AI/ML modeller ve yapay zekayı uygulamak için en uygun yaklaşım.

Bu röportaj netlik ve kısalık için düzenlenmiştir.

Hem üretken yapay zeka hem de denetimli öğrenme için ivme artıyor

Girişim: Geçtiğimiz yıl boyunca, ChatGPT/GPT-3 ve DALL-E 2 gibi üretici yapay zeka modelleri, görüntü ve metin oluşturma becerileriyle manşetlere taşındı. Üretken yapay zekanın evriminde bir sonraki adımın ne olduğunu düşünüyorsunuz?

yazan andrew Üretken yapay zekanın denetimli öğrenmeye ve genel amaçlı bir teknolojiye çok benzer olduğuna inanıyorum. 10 yıl öncesinin yükselişiyle hatırlıyorum derin öğrenme, insanlar içgüdüsel olarak derin öğrenme gibi şeylerin belirli bir sektörü veya işletmeyi dönüştüreceğini söylerdi ve çoğu zaman haklıydılar. Ancak o zaman bile, derin öğrenmenin tam olarak hangi kullanım senaryosunun dönüşüm için uygulanabileceğini bulmak için yapılan birçok çalışma vardı.

Bu nedenle, üretken yapay zekanın mantıklı olduğu ve farklı işletmeleri dönüştüreceği belirli kullanım durumlarını bulmanın çok erken bir aşamasındayız.

Ayrıca, şu anda üretken yapay zeka hakkında çok fazla söylenti olmasına rağmen, özellikle verilerin doğru etiketlenmesi çok değerli olduğundan, denetimli öğrenme gibi teknolojilerin arkasında hala muazzam bir ivme var. Böylesine yükselen bir ivme bana, önümüzdeki birkaç yıl içinde denetimli öğrenmenin üretken yapay zekadan daha fazla değer yaratacağını söylüyor.

Üretken yapay zekanın yıllık büyüme oranı nedeniyle, birkaç yıl içinde yapay zeka geliştiricilerinin sahip olduğu araç portföyüne eklenecek bir araç daha olacak ki bu çok heyecan verici.

VB: Landing AI, üretken AI tarafından temsil edilen fırsatları nasıl görüyor?

İle: Landing AI şu anda kullanıcılarımızın özel tasarım oluşturmasına yardımcı olmaya odaklanmıştır. Bilgisayar görüşü sistemler. Üretken yapay zeka için kullanım durumlarını araştıran dahili prototiplerimiz var, ancak henüz duyurulacak bir şey yok. Landing AI aracılığıyla araç duyurularımızın çoğu, kullanıcıların denetimli öğrenmeyi aşılamasına ve denetimli öğrenme algoritmalarının oluşturulması için erişimi demokratikleştirmesine yardımcı olmaya odaklanır. Üretken yapay zeka hakkında bazı fikirlerimiz var, ancak henüz duyurulacak bir şey yok.

Yeni nesil deneyler

VB: Varsa, sizi heyecanlandıran birkaç gelecekteki ve mevcut üretken yapay zeka uygulaması nedir? Resimler, videolar ve metinden sonra, üretken yapay zeka için sırada gelen başka bir şey var mı?

İle: Keşke çok emin bir tahminde bulunabilseydim, ancak bu tür teknolojilerin ortaya çıkışının birçok kişinin, işletmenin ve ayrıca yatırımcıların farklı kullanım durumları için yeni nesil teknolojileri denemeye çok fazla kaynak ayırmasına neden olduğunu düşünüyorum. Çok sayıda deney heyecan verici, bu da çok yakında çok sayıda değerli kullanım durumu göreceğimiz anlamına geliyor. Ancak en değerli kullanım durumlarının ne olacağını tahmin etmek için henüz biraz erken.

Metin etrafında kullanım durumları uygulayan ve etrafındaki soruları özetleyen veya yanıtlayan birçok girişim görüyorum. Yayıncılar da dahil olmak üzere tonlarca içerik şirketinin içerikleriyle ilgili soruları yanıtlamaya çalıştıkları deneylere imza attığını görüyorum.

Yatırımcılar bile hala alanı çözüyor, bu nedenle sektör en savunulabilir işletmelerin nerede ve ne olduğunu anladığından, konsolidasyon hakkında daha fazla araştırma yapmak ve yolların nerede olduğunu belirlemek ilginç bir süreç olacak.

Kaç girişimin bu tek şeyle deney yaptığına şaşırdım. Her girişim başarılı olmayacak, ancak bunu çözen birçok insanın öğrendikleri ve içgörüleri değerli olacaktır.

VB: Gördüğümüz sorunlar göz önüne alındığında, etik hususlar üretici yapay zeka konuşmalarının ön saflarında yer aldı. ChatGPT. CEO’ların ve CTO’ların bu tür bir teknolojiyi uygulamaya başlarken akıllarında tutmaları gereken herhangi bir standart kılavuz var mı?

İle: Üretken AI endüstrisi o kadar genç ki, birçok şirket hala bu teknolojiyi sorumlu bir şekilde uygulamak için en iyi uygulamaları bulmaya çalışıyor. Etik sorular ve önyargı ve sorunlu konuşmalar üretme konusundaki endişeler gerçekten çok ciddiye alınmalıdır. Aynı zamanda olası zararlar konusunda da dikkatli olmalıyız.

Bing’in yapay zekasının sahip olduğu sorunlu konuşmalar artık çok tartışılıyor ve tek bir sorunlu konuşma için bile bir mazeret olmasa da, tüm konuşmaların yüzde kaçının gerçekten raydan çıkabileceğini gerçekten merak ediyorum. Bu nedenle, gözlemlediğimiz iyi ve sorunlu yanıtların yüzdesine ilişkin istatistikleri kaydetmek önemlidir, çünkü bu, teknolojinin gerçek durumunu ve onu buradan nereye götüreceğimizi daha iyi anlamamızı sağlar.

AI ile ilgili engelleri ve endişeleri ele alma

VB: AI ile ilgili en büyük endişelerden biri, insan işlerini değiştirme olasılığıdır. Tamamlamak için yapay zekayı etik olarak kullandığımızdan nasıl emin olabiliriz? insan emeği değiştirmek yerine?

İle: Gelişmekte olan teknolojileri görmezden gelmek veya benimsememek hata olur. Örneğin, yakın gelecekte yapay zeka kullanan sanatçılar, yapay zeka kullanmayan sanatçıların yerini alacak. Sanat eseri için toplam pazar, sanat eseri yaratma maliyetlerini düşüren üretken yapay zeka nedeniyle artabilir.

Ancak adalet, üretken yapay zekadan çok daha büyük olan önemli bir endişe kaynağıdır. Üretken yapay zeka, steroid kullanan otomasyondur ve teknoloji gelir yaratsa da geçim kaynakları büyük ölçüde kesintiye uğrarsa, iş dünyasının liderlerinin yanı sıra hükümetin de teknolojileri düzenlemede önemli bir rolü vardır.

VB: AI/DL modellerine yönelik en büyük eleştirilerden biri, genellikle insan deneyimlerinin ve bakış açılarının çeşitliliğini temsil etmeyebilecek devasa veri kümeleri üzerinde eğitilmiş olmalarıdır. Modellerimizin kapsayıcı ve temsili olmasını sağlamak için hangi adımları atabiliriz ve mevcut eğitim verilerinin sınırlamalarını nasıl aşabiliriz?

İle: Önyargılı algoritmalara yol açan yanlı veri sorunu artık AI topluluğunda geniş çapta tartışılıyor ve anlaşılıyor. Bu nedenle, şu anda okuduğunuz veya daha önce yayınlanan her araştırma makalesinde, bu sistemleri oluşturan farklı grupların temsililik ve temizlik verilerini çok ciddiye aldıkları ve modellerin mükemmel olmaktan uzak olduğunu bildikleri açıktır.

Bu yeni nesil sistemlerin geliştirilmesi üzerinde çalışan makine öğrenimi mühendisleri artık sorunların daha fazla farkına vardılar ve daha temsili ve daha az önyargılı veri toplamak için muazzam çaba harcıyorlar. Bu yüzden bu çalışmaları desteklemeye devam etmeli ve bu sorunları ortadan kaldırana kadar asla dinlenmemeliyiz. Sistemler mükemmel olmaktan uzak olsa bile kaydedilmeye devam eden ilerleme beni çok cesaretlendiriyor.

İnsanlar bile önyargılıdır, bu yüzden tipik bir insandan çok daha az önyargılı bir yapay zeka sistemi yaratmayı başarabilirsek, henüz tüm önyargıyı sınırlamayı başaramamış olsak bile, bu sistem dünyada pek çok fayda sağlayabilir. .

Gerçekleşmek

VB: Veri toplarken gerçek olanı yakalamamızı sağlayacak yöntemler var mı?

İle: Gümüş bir mermi yok. Bunları oluşturmak için birden fazla kuruluşun çabalarının geçmişine bakıldığında büyük dil modeli sistemlerinde, verileri temizleme tekniklerinin karmaşık ve çok yönlü olduğunu gözlemliyorum. Aslında, veri merkezli AI hakkında konuştuğumda, birçok kişi tekniğin yalnızca küçük veri kümeleriyle ilgili sorunlar için işe yaradığını düşünüyor. Ancak bu tür teknikler, büyük dil modellerinin veya temel modellerin uygulamaları ve eğitimi için eşit derecede önemlidir.

Yıllar geçtikçe, hala mükemmel olmaktan uzağız ve defne üzerinde dinlenme zamanı olmasa da, sorunlu veri kümelerini temizlemede daha iyi hale geliyoruz, ancak ilerleme kaydediliyor.

VB: Yapay zeka ve makine öğrenimi mimarilerinin geliştirilmesine yoğun bir şekilde dahil olan biri olarak, yapay zekayı dahil etmek isteyen yapay zeka merkezli olmayan bir şirkete ne tavsiyede bulunursunuz? Hem yapay zekanın nasıl uygulanacağını anlamak hem de onu uygulamaya nereden başlayacağınızı anlamak için sonraki adımlar neler olmalıdır? Somut bir AI yol haritası geliştirmek için birkaç önemli husus nedir?

İle: Bir numaralı tavsiyem küçük başlamaktır. Bu nedenle, bir AI yol haritası hakkında endişelenmek yerine, işe atlamak ve işleri yoluna koymaya çalışmak daha önemlidir, çünkü ilk veya birkaç kullanım senaryosunu oluşturmaktan öğrenilenler, sonunda bir AI yol haritası oluşturmak için bir temel oluşturacaktır.

Aslında, insanların başlamalarını kolaylaştırmak için Landing Lens’i tasarlamamıza neden olan bu farkındalığın bir parçasıydı. Çünkü birisi bilgisayarla görme uygulaması yapmayı düşünüyorsa, belki de ne kadar bütçe ayırması gerektiğinden bile emin değildir. İnsanları ücretsiz olarak başlamaya ve işe yarayan bir şey bulmaya ve bu ilk girişimin iyi çalışıp çalışmadığına bakmaya teşvik ediyoruz. İşe girmeye çalışmaktan öğrenilenler çok değerli olacak ve şirkette AI için sonraki birkaç adıma karar vermek için bir temel oluşturacak.

Birçok işletmenin yapay zekaya mütevazı bir yatırım yapıp yapmamaya karar vermesinin aylar sürdüğünü görüyorum ve bu da bir hata. Bu nedenle, sadece düşünmek yerine, deneyerek başlamak ve çözmek önemlidir. [it]gerçek verilerle ve işinize yarayıp yaramadığını gözlemleyerek.

VB: Bazı uzmanlar iddia ediyor ki derin öğrenme sınırlarına ulaşıyor olabilir ve yapay zekayı ilerletmeye devam etmek için nöromorfik hesaplama veya kuantum hesaplama gibi yeni yaklaşımlara ihtiyaç duyulabilir. Bu konudaki görüşünüz nedir?

İle: Katılmıyorum. Derin öğrenme, sınırlarına ulaşmaktan çok uzak. Bir gün sınırlarına ulaşacağına eminim ama şu anda ondan çok uzağız.

Derin öğrenmede kullanım durumlarının yenilikçi gelişimi muazzamdır. Önümüzdeki birkaç yıl boyunca derin öğrenmenin muazzam ivmesini sürdüreceğinden eminim.
Diğer yaklaşımların da değerli olmayacağı söylenemez, ancak derin öğrenme ve kuantum hesaplamaÖnümüzdeki birkaç yıl için derin öğrenmede çok daha fazla ilerleme bekliyorum.