استقرار مایکروسافت از OpenAI’s ChatGPT بسیار محبوب بوده است و اجرای غافلگیرکننده این سیستم هوش مصنوعی مولد پیشرفته شرکت هایی مانند گوگل و اپل را در چرت زدن گرفتار کرد.
گوگل به شدت به این تهدید پاسخ میدهد و راهحل هوش مصنوعی مولد خود، Bard را ایجاد میکند، اما گوگل و OpenAI هر دو با شکایتهای دستهجمعی به اتهام نقض حق نسخهبرداری مربوط به آموزش هوش مصنوعیهایشان بر اساس مقادیر انبوه دادههای مورد استفاده برای آموزش این سیستمها مواجه هستند.
شاکیانی که در این پرونده ها هستند، احتمالاً در صورت موفقیت، پیامدهای شغلی خود را درک نمی کنند. من در مورد عواقب مایکروسافت، گوگل یا دیگران صحبت نمیکنم، اما نحوه آموزش آنها نیز ممکن است مشمول هر حکمی باشد و منجر به شکایت آنها در آینده توسط دیگرانی شود که از آنها آموختهاند.
بیایید این هفته شکایت از شرکتهای هوش مصنوعی مولد را بررسی کنیم و با محصول هفته من، لپتاپ جدیدی از HP که اگر برای کار زیاد سفر میکنید، مناسب باشد، کار را به پایان خواهیم رساند.
دعوی قضایی خطرناک است
متأسفانه، من تجربه زیادی در دادرسی داشتم. من برای مدتی در قراردادهای قانونی به IBM منصوب شدم، چند دهه دعوای قضایی خودم را مدیریت کردم و چندین بار به عنوان شاهد کارشناس انتخاب شدم. قبل از اینکه به مسیر شغلی بسیار متفاوتی بروم، برای وکالت نیز آموزش دیدم.
من آموخته ام که دعوای قضایی چیزی شبیه به نمایش آن در تلویزیون نیست. هر دو طرف با دیدگاههای مخالف واقعیت وارد دادگاه میشوند و قاضی و/یا هیئت منصفه قبل از اینکه قانعکنندهترین استدلال را به عنوان برنده انتخاب کنند به صحبتهای هر دو طرف گوش میدهند. طرف برنده، که ممکن است اشتباه کرده باشد، احساس میکند که به حق است و طرف بازنده عموماً احساس میکند فریب خورده است.
نتیجه ممکن است عواقب ناخواسته و وحشتناکی برای طرف بازنده داشته باشد که می تواند بسیار بدتر از آن باشد که در وهله اول همه چیز را به حال خود رها کرده باشند یا بدون محاکمه حل و فصل کنند. درخواست تجدیدنظر معمولاً حدود 40000 دلار هزینه دارد و به ندرت موفقیت آمیز است. هزینههای محاکمه اولیه میتواند از بیش از 10000 دلار تا صدها هزار دلار قبل از قضاوت متغیر باشد، و قضاوتها علاوه بر آن میتوانند بسیار پرهزینه باشند.
بنابراین، قبل از شکایت از شخصی، نه تنها باید یک ارزیابی صادقانه از احتمال برنده شدن خود انجام دهید، بلکه باید هرگونه عواقب ناخواسته احتمالی برد یا باخت را نیز پوشش دهید. اینجاست که فکر میکنم افرادی که از پلتفرمهای هوش مصنوعی مولد شکایت میکنند دچار مشکل میشوند، زیرا نه تنها بعید است که برنده شوند، بلکه اگر برنده شوند، نتیجه ممکن است به قیمت تمام شدن شغلشان تمام شود.
بگذار توضیح بدهم.
چگونه هوش مصنوعی مولد آموزش داده می شود
هوش مصنوعی مولد با مشاهده مقادیر انبوهی از داده ها و الگوها آموزش داده می شود، که پس از آن می توان آن را به چیزی که ما استنتاج می نامیم تبدیل شود، مجموعه داده بسیار کوچکتر و تا حد زیادی فدرال (جایی که مشارکت کنندگان در مجموعه داده حذف شده اند) که سپس به عنوان استنتاج استفاده می شود. پایه و اساس عملکرد هوش مصنوعی
به عبارت دیگر، هوش مصنوعی دادههای دیجیتالی را در مقیاس وسیع مشاهده میکند که باعث میشود تک تک مشارکتکنندگان غیرقابل شناسایی باشند. این فرآیند مشاهده منجر به تشکیل دانش ترکیبی می شود که مغز هوش مصنوعی را تشکیل می دهد.
بسته به اندازه مجموعه دادههای حاصل، ردیابی رفتار به هر فردی که عمدا یا ناخواسته دادههای آموزشی را ارائه کرده است، بدون ابزارهای شفافسازی که در برخی از آخرین Ais وجود دارد، غیرممکن است.
به عنوان مثال، یادگیری نحوه کمدین شدن ممکن است به مجموعه آموزشی از برنامه های صوتی و تصویری بسیاری از کمدین ها نیاز داشته باشد. بر اساس بازخورد مخاطبان یا یک اپراتور آموزشی، هوش مصنوعی میآموزد که کدام شوخیها خندهدار بوده و نیستند. سپس روال کمدی خود را از آنچه آموخته است، بدون تکیه انحصاری به هیچ مشارکت کننده ای استخراج می کند.
سوالی که باید به آن پاسخ داده شود این است که آیا این نتیجه حقوق کپی رایت افرادی را که ناخواسته و بدون اجازه به ایجاد مجموعه داده های آموزشی کمک کرده اند، نقض می کند؟
مشکل پیش بینی نشده
مشکل غیرمنتظره این است که مانند هوش مصنوعی، ما با دانش ذاتی در مورد چگونگی انجام بسیاری از کارها متولد نشده ایم. ما با مشاهده دیگران یاد می گیریم، و آموزش ما از خواندن رویدادها و افرادی است که زمانی زنده بودند یا به صورت تخیلی برای سرگرم کردن یا رانندگی به یک نقطه خاص خلق شده بودند.
وقتی صحبت از تجارتی مانند استندآپ کمدی می شود، ما تمایل داریم با تماشای کمیک های دیگر یاد بگیریم. کمدی یک مسیر شغلی است که می تواند خود را به کپی کردن از همتایان خود کمک کند. تفاوت در این است که انسان ها ظرفیت ذهنی یا زمان لازم برای یادگیری از بیش از تعداد انگشت شماری مربی عمدی یا غیرعمدی را ندارند، در حالی که یک کامپیوتر می تواند اطلاعات هزاران نفر را در یک لحظه مصرف کند.
بنابراین، اگر یادگیری رایانه ای از بسیاری از کمدین ها غیرقانونی باشد، آیا نتیجه نمی شود که یک کمدین واقعی انسانی که از تعداد بسیار کمتری یاد می گیرد، حقوق همتایان کمدی خود را نیز نقض می کند؟ تنها تفاوت واقعی بین نحوه یادگیری هوش مصنوعی در حال حاضر و نحوه یادگیری افراد، سرعت انجام یادگیری و میزان داده های آموزشی است که مشاهده می شود.
اگر کسانی که از OpenAI و گوگل شکایت می کنند موفق باشند، می توان از همان قانون قضایی علیه آنها استفاده کرد که به احتمال زیاد مجازات های گران قیمتی را در پی خواهد داشت.
از آنجایی که اکثر کارها عموماً با مشاهده دیگران آموخته می شوند و به طور بالقوه مشتق هستند، آیا کسی نمی تواند از شخص دیگری که بر روی داده هایی که از شاکی سرچشمه گرفته است آموزش دیده است شکایت کند؟
به عبارت دیگر، با استفاده از فرضیه کمدین، اگر این شاکیان موفق شوند، دیگر کمدین ها نمی توانند به دلیل روش آموزشی مشابه از آنها شکایت کنند، و برخی از کمدین ها در صورتی که به نظر می رسد شوخی های آنها از طرف افراد دیگر است، به طور بالقوه از اجرای برنامه به دلیل تخلف منع می شوند. چه کسانی هم اکنون می خواهند غرامت دریافت کنند؟
بسته بندی
هوش مصنوعی مولد اکنون به طور مستقل یاد میگیرد و با سرعتی باورنکردنی و تقریباً باورنکردنی پیشرفت میکند. این در فروشگاه های داده گسترده ای که ممکن است حاوی اطلاعات مهمی در مورد شما و همسرتان باشد آموزش دیده است. این فرآیند آموزشی احتمالاً زیر سؤال می رود زیرا این سیستم ها جایگزین بسیاری از افرادی می شوند که به طور ناخواسته داده های خود را برای آموزش مشارکت داده اند.
اما با توجه به اینکه همه دانش بشری و نحوه انتقال موثر آن از شخص دیگری می آید، این مفهوم شکایت برای بخشی از نتیجه به نظر نادرست به نظر می رسد و می تواند تأثیر نامطلوبی بر هرکسی که در آینده از دیگران بیاموزد داشته باشد.
در نهایت، مجموعه آموزشی پایان عمری ندارد، به این معنی که دانش جمعآوریشده عمری خواهد داشت که میتواند قرنها پس از مرگ مشارکتکننده ادامه داشته باشد و شکل بسیار محدودی از جاودانگی دیجیتال را تضمین کند.
در نتیجه، من شک دارم که شاکیان در این پروندهها پیروز شوند و اگر این قضاوت میتواند پیامدهای مخربتری برای نحوه آموزش ما داشته باشد.
HP Dragonfly Notebook PC G4
لپ تاپ مورد علاقه من در تمام دوران ها لپ تاپ HP Folio با فناوری Qualcomm به دلیل عمر باتری 21 ساعته آن باقی مانده است. HP آن را با یک Folio مبتنی بر اینتل، با تمرکز بر کسب و کار، با تنها حدود شش ساعت عمر باتری دنبال کرد، که قلب من را شکست. Dragonfly G4 جدید HP نیز مبتنی بر اینتل است، اما عمر باتری آن تا حدود 13 ساعت افزایش می یابد، که باید بسیار بهتر باشد.
HP Dragonfly G4 با قیمتی در حدود 1300 دلار برای یک پیکربندی پایه، عملکرد مناسب اما خیره کننده ای را برای یک نوت بوک درجه یک ارائه می دهد. این یک نوت بوک در کلاس تجاری است و راه حل vPro اینتل را برای اطمینان از انطباق با استانداردهای شرکتی در خود دارد.
Dragonfly Notebook PC G4 (اعتبار تصویر: HP)
این لپ تاپ دارای تناسب و پرداخت بسیار تمیز، یکی از بهترین صفحه کلیدهایی است که تاکنون امتحان کرده ام، یک وب کم مناسب، بلندگوهای چشمگیر، و دقت رنگ نمایشگر به طرز شگفت انگیزی خوب است. Dragonfly G4 دو ویژگی منحصر به فرد دارد: «کنترل خودکار دوربین» و «کیستون خودکار».
اولین مورد به شما امکان می دهد هنگام پخش جریانی از چندین دوربین به طور همزمان استفاده کنید و به شما امکان می دهد هم چهره شما و هم شیء(هایی) که دوربین دیگر می بیند در یک تصویر نشان داده شوند. دیگری به شما امکان میدهد با دوربین دوم آیتمها را در یک زاویه مشاهده کنید، اما طوری به نظر برسند که دوربین مستقیماً بالای سر است.
با توجه به اینکه افراد زیادی در جلسات ویدئو کنفرانس برای نمایش محتوا تلاش می کنند، این دو ویژگی موهبت الهی هستند. من تعجب می کنم که سایر OEM های PC کاری مشابه انجام نداده اند.
با وزن 2.2 پوند، Dragonfly G4 HP در رده فوق سبک قرار می گیرد و نباید هنگام حمل آن در کوله پشتی خود احساس Quasimodo را در شما ایجاد کند. همچنین دارای مجموعه ای از صفحه نمایش های اختیاری، گزینه های WAN و چند پردازنده اختیاری اینتل است.
در حالی که من هنوز احساس و ظاهر لپ تاپ های HP Folio را ترجیح می دهم، این HP Dragonfly G4 اصلا بد نیست. به دلیل تمام پیشرفتها و افزایش عمر باتری، محصول هفته من است.
نظرات بیان شده در این مقاله متعلق به نویسنده است و لزوماً منعکس کننده نظرات شبکه خبری ECT نیست.