CCC สนับสนุนเซสชันทางวิทยาศาสตร์ 3 เซสชันในการประชุมประจำปี AAAS ประจำปีนี้ และในกรณีที่คุณไม่สามารถเข้าร่วมด้วยตนเองได้ เราจะสรุปเซสชันแต่ละเซสชัน สัปดาห์นี้เราจะสรุปไฮไลท์การนำเสนอของผู้ร่วมเสวนาในเซสชั่นนี้ “โมเดลภาษาขนาดใหญ่: ผู้ช่วยที่เป็นประโยชน์ คู่หูโรแมนติก หรือนักต้มตุ๋น?” แผงนี้กลั่นกรองโดย ดร.มาเรีย จินี่, สมาชิกสภา CCC และศาสตราจารย์ด้านวิทยาการคอมพิวเตอร์และวิศวกรรมศาสตร์จากมหาวิทยาลัยมินนิโซตา กล่าวถึง ดร.เอซี คามาร์กรรมการผู้จัดการ AI Frontiers ที่ Microsoft Research ดร.ฮัล เดาเมที่ 3, ศาสตราจารย์ด้านวิทยาการคอมพิวเตอร์ที่ University of Maryland และ ดร.โจนาธาน เมย์, ศาสตราจารย์ด้านวิทยาการคอมพิวเตอร์ที่ University of Southern California Information Sciences Institute
โมเดลภาษาขนาดใหญ่เป็นผู้นำในการสนทนาในสังคมปัจจุบัน และคณะกรรมการตัดสินจะตัดสินว่าพวกเขาดำเนินชีวิตตามกระแสโฆษณาที่อยู่รอบตัวพวกเขาหรือไม่ ผู้ร่วมอภิปรายของเซสชั่น AAAS นี้กล่าวถึงความเป็นไปได้ ความท้าทาย และศักยภาพของ LLM
ผู้ร่วมอภิปรายคนแรกคือ Dr. Ece Kamar (Microsoft Research) เธออธิบายสถานะปัจจุบันของ AI ว่าเป็น "การเปลี่ยนเฟส" เธอให้มุมมองที่ไม่เหมือนใครในฐานะผู้ที่ได้เห็นการเปลี่ยนแปลงของ AI ในอุตสาหกรรม และการเติบโตแบบก้าวกระโดดในโมเดลการเรียนรู้เชิงลึกที่น้อยคนนักคาดว่าจะดำเนินต่อไปจนถึงปี 2024
การเติบโตนี้เกิดจากการเพิ่มจำนวนข้อมูลที่ LLM ได้รับการฝึกฝน และสถาปัตยกรรมที่ใหญ่ขึ้นเรียกว่าหม้อแปลงไฟฟ้า ข้อมูลเชิงลึกที่น่าสนใจที่ดร. คามาร์แบ่งปันในกราฟก็คือ แบบจำลองต่างๆ มีการขยายขนาดอย่างรวดเร็ว เนื่องจากในตอนแรกแบบจำลองเหล่านี้เพิ่งได้รับการฝึกฝนสำหรับงานเฉพาะอย่าง งานที่พวกเขาสามารถปฏิบัติได้อย่างน่าเชื่อถือ ChatGPT แสดงให้เห็นว่าหากคุณปรับขนาดให้ใหญ่พอ รวมถึงจำนวนพารามิเตอร์ที่โมเดลคำนึงถึง โมเดลสามารถเริ่มทำงานให้เสร็จสิ้นด้วยประสิทธิภาพที่ใกล้เคียงกันของโมเดลที่ได้รับการฝึกให้ทำงานเดียวกันให้เสร็จสิ้นโดยเฉพาะ
นี่คือคำจำกัดความของการเปลี่ยนระยะ LLM: โมเดลไม่จำเป็นต้องได้รับการฝึกอบรมเป็นพิเศษสำหรับงานเฉพาะอีกต่อไป แต่สามารถฝึกอบรมโดยทั่วไปแล้วจึงทำงานหลายอย่างได้ และไม่มีสัญญาณว่าการเติบโตของความสามารถเหล่านี้จะชะลอตัวลง
Dr. Kamar ทดลองใช้ GPT-4 ได้ก่อนใคร และในระหว่างที่เธอทดลองใช้ GPT-XNUMX เป็นเวลานาน เธอประทับใจกับการปรับปรุงที่สำคัญซึ่งมาพร้อมกับขนาดและข้อมูล และความจริงที่ว่า GPT-XNUMX สามารถทำงานต่างๆ ให้สำเร็จพร้อมกันได้
อนาคตของ LLM เหล่านี้จะเป็นอย่างไร? ดร. คามาร์คาดการณ์ว่า LLM จะไปไกลกว่าภาษามนุษย์ และเรียนรู้ภาษาเครื่อง และสามารถแปลระหว่างสองภาษาได้ สิ่งนี้จะช่วยเพิ่มขีดความสามารถด้านรังสีในอินพุตและเอาท์พุต ซึ่งอาจนำไปสู่แบบจำลองที่ไม่เพียงแต่สามารถสร้างภาษาเท่านั้น แต่ยังรวมถึงการกระทำและการคาดเดาในพฤติกรรมด้วย
ถัดมา ดร. คามาร์ขยายความเกี่ยวกับการเปลี่ยนแปลงระยะสำคัญที่เกิดขึ้นในการประมวลผล ระบบกำลังได้รับการพัฒนาแตกต่างไปจากเดิมมากในปัจจุบัน และการพัฒนานี้จะต้องสร้างกระบวนทัศน์การประมวลผลใหม่ ซึ่งเราเพิ่งจะเริ่มต้นใหม่ในเวลานี้ วิธีที่เราโต้ตอบกับคอมพิวเตอร์จะดูแตกต่างออกไปมากในปีต่อๆ ไป และสิ่งนี้จะต้องอาศัยการคิดใหม่เกี่ยวกับการโต้ตอบระหว่างมนุษย์กับคอมพิวเตอร์ (HCI)
การเปลี่ยนแปลงอีกประการหนึ่งคือวิธีที่มนุษย์จะทำงานก้าวไปข้างหน้า Microsoft ได้ทำการศึกษาว่าประสิทธิภาพการทำงานของพนักงานสามารถเพิ่มเป็นสองเท่าในแง่ของบรรทัดโค้ดที่เขียนเมื่อได้รับความช่วยเหลือจาก AI นี่เป็นความสำเร็จที่น่าทึ่ง แต่วิธีการทำงานของเทคโนโลยีนี้และที่มาของความฉลาดนั้นไม่เป็นที่ทราบแน่ชัด ดังนั้นจึงมีคำถามวิจัยมากมายในด้านนี้
นอกจากนี้ยังมีคำถามมากมายเกี่ยวกับการใช้ LLM ในทางที่ผิดที่อาจเกิดขึ้นเช่นนี้ มีความกังวลเกี่ยวกับความเป็นธรรม ความเสี่ยงด้านประชากรศาสตร์ที่แตกต่างกัน และผลกระทบร้ายแรงอื่นๆ แม้ว่าการค้นพบทางวิทยาศาสตร์จะมีศักยภาพสูง แต่ก็มีศักยภาพที่จะเกิดอันตรายได้เช่นกัน เช่น โน้มน้าวพ่อแม่ไม่ให้ฉีดวัคซีนให้ลูก แนะนำให้ลูกทำสิ่งที่ไม่ดี หรือการโน้มน้าวใจคนที่โลกแบน ความพยายามด้านความปลอดภัยมากมายได้นำไปสู่การพัฒนา LLM และโอเพ่นซอร์สก็มีประโยชน์มากในการสร้างความก้าวหน้าในด้านนี้เช่นกัน
ดร.คามาร์จึงตั้งคำถามต่อชุมชนวิทยาศาสตร์:
- วิทยาศาสตร์จะเปลี่ยนแปลงไปอย่างไรเมื่อ AI Disruption?
- เรากำลังดำเนินการเปลี่ยนแปลงวิธีที่เราให้ความรู้และฝึกอบรมคนรุ่นต่อไปหรือไม่?
- คุณกำลังสร้างโครงสร้างพื้นฐานทางเทคโนโลยีเพื่อรับประโยชน์จากการเปลี่ยนแปลงระยะนี้หรือไม่?
- เรากำลังเตรียมคนรุ่นอนาคตสำหรับโลกใหม่หรือไม่?
ในที่สุด ดร. คามาร์เน้นย้ำว่าหนึ่งในประเด็นหลักของการเปลี่ยนระยะที่น่าทึ่งคือความเร็วในการพัฒนา LLM โมเดลเหล่านี้ได้รับการปรับปรุงอย่างมีนัยสำคัญในช่วงเวลาอันสั้น และนักวิจัยด้านคอมพิวเตอร์ยังมีงานที่ต้องดำเนินการอีกมาก
ผู้ร่วมอภิปรายคนที่สอง Dr. Hal Daumé III (มหาวิทยาลัยแมริแลนด์) เริ่มการบรรยายโดยอธิบายว่าโมเดล AI ควรได้รับการพัฒนาเพื่อช่วยให้ผู้คนทำสิ่งที่พวกเขาต้องการทำ เพิ่มพูนการทำงานของมนุษย์ ไม่ใช่การทำให้เป็นอัตโนมัติ วิสัยทัศน์ของระบบอัตโนมัตินี้แพร่หลายในสังคมมาตั้งแต่ยุค 60 แทนที่จะช่วยให้ผู้คนเล่นหมากรุกได้ดีขึ้น นักวิทยาศาสตร์ได้ออกแบบระบบที่เล่นหมากรุกได้ด้วยตัวเอง
ปรัชญานี้จะไม่ไปไหนทั้งนั้น AI ในปัจจุบันยังคงเป็นข่าวที่น่าสนใจเมื่อฉลาดพอที่จะทำงานด้วยตัวมันเอง มันอยู่ในสายเลือดของ AI ก่อนที่จะใช้เวลาและเงินไปกับการทำให้ระบบเป็นอัตโนมัติ เราควรหยุดและถามก่อนว่าสิ่งนี้เป็นประโยชน์ต่อเราหรือไม่?
ดร. Daumé ผลักดันแนวคิด Augmentation: AI สามารถใช้เป็นเครื่องมือได้อย่างไร ระบบอย่าง Github copilot ช่วยเพิ่มผลผลิต แต่การเพิ่มผลผลิตยังไม่เพียงพอ ผู้ใช้ระบบอุทานว่าปล่อยให้พวกเขามุ่งเน้นไปที่ส่วนของการเขียนโค้ดที่สนุก ซึ่งสอดคล้องกับวิธีสร้าง AI มากกว่ามาก
นักวิจัย AI ไม่ควรลบส่วนของงานสนุกๆ ออกไป พวกเขาควรให้ความสำคัญกับการกำจัดงานน่าเบื่อหน่าย ควรปรับปรุงชีวิตมนุษย์มากกว่าแค่ปรับปรุงผลกำไรของบริษัท
ดร. Daumé เป็นผู้ร่วมเขียนบทความเพื่อหยิบยกประเด็นเหล่านี้ และข้อโต้แย้งก็ปรากฏว่าจากมุมมองทางเทคนิค การสร้างระบบโดยใช้เทคโนโลยีการเรียนรู้ของเครื่องจักรโดยเฉพาะมักจะทำให้เป็นอัตโนมัติได้ง่ายกว่าการสร้างเสริม เนื่องจากข้อมูลที่จำเป็นในการฝึกอบรมระบบที่จะฝึกอบรมระบบนั้นได้มาง่าย เราให้ข้อมูลนี้โดยการทำงานของเรา และเป็นเรื่องง่ายที่จะฝึก ML ให้เลียนแบบพฤติกรรมของมนุษย์ การสอนระบบให้ช่วยคนทำงานให้สำเร็จนั้นยากกว่ามาก ข้อมูลนี้กระจัดกระจายไปตามการวิจารณ์วรรณกรรมจาก NSF, การเขียนบนกระดาษโดยโปรแกรมเมอร์ ฯลฯ ข้อมูลที่จำเป็นในการช่วยมนุษย์ทำงานต่างๆ จะไม่ถูกบันทึกไว้
สิ่งสำคัญอีกประการหนึ่งของการสร้างระบบที่เป็นประโยชน์คือการถามผู้ใช้ว่าระบบใดจะเป็นประโยชน์ต่อชีวิตของพวกเขา เช่น ความต้องการของคนตาบอดแตกต่างจากความต้องการของคนมองเห็นมาก (ซึ่งก็แตกต่างจากความต้องการของคนมองเห็นด้วย คิด ความต้องการของคนตาบอดคือ) ตัวอย่างที่ ดร. โดเม แบ่งปันคือ ระบบการมองเห็นอาจเผยให้เห็นว่าวัตถุนั้นเป็นกระป๋องโซดา แต่โดยทั่วไปแล้วคนตาบอดสามารถบอกสิ่งนั้นได้ด้วยตัวเอง ส่วนผสมของโซดาจะมีประโยชน์กับพวกเขามากกว่ามาก มีช่องว่างขนาดใหญ่ระหว่างคุณภาพของการตอบสนองของระบบต่อการทำความเข้าใจคำถามกับการตอบคำถามเกี่ยวกับการเข้าถึง และช่องว่างนี้ก็กว้างขึ้น
ตัวอย่างเพิ่มเติมของความสำคัญของการพิจารณาความต้องการของชุมชนเป็นอันดับแรกก่อนที่จะสร้างเทคโนโลยีเพื่อ "ช่วยเหลือ" พวกเขาคือการกลั่นกรองเนื้อหา ผู้ตรวจสอบเนื้อหาอาสาสมัครจำนวนมากมีส่วนร่วมในงานนี้เพราะพวกเขาต้องการทำให้โลกนี้น่าอยู่ขึ้น และช่วยสร้างชุมชนที่พวกเขาคิดว่าสำคัญ เมื่อถามถึงเครื่องมือประเภทใดที่พวกเขาต้องการช่วยเหลือบทบาทของตน พวกเขามักไม่ต้องการให้งานของตนเป็นแบบอัตโนมัติเต็มรูปแบบ พวกเขาเพียงต้องการให้ส่วนที่น่าเบื่อ เช่น การค้นหาประวัติการแชทง่ายขึ้น
ดร. Daumé ปิดท้ายการสนทนานี้ด้วยตัวอย่างสุดท้ายของแม่ผู้รักรถที่รักรถ และปฏิเสธที่จะขับรถเกียร์อัตโนมัติ เธอเลือกเกียร์ธรรมดา และเป็นสิ่งสำคัญมากสำหรับเธอที่จะมีตัวเลือกนั้น ผู้คนควรควบคุมได้ว่าต้องการให้งานของตนเป็นแบบอัตโนมัติหรือไม่
ดร. Daumé พูดคุยต่อโดยเสนอทางเลือกให้กับเทคโนโลยีการเข้าถึงในปัจจุบัน ตัวอย่างเช่น เมื่อสร้างเครื่องมือเกี่ยวกับการจดจำภาษามือ แทนที่จะคัดลอกวิดีโอของผู้ลงนามทางอินเทอร์เน็ต (ซึ่งมีการยินยอมและข้อกังวลด้านความเป็นส่วนตัวเป็นอย่างมาก อีกทั้งวิดีโอเหล่านี้ส่วนใหญ่เป็นของมืออาชีพและไม่มีเสียงรบกวน/สิ่งรบกวนเบื้องหลังซึ่งไม่ใช่' สมจริง) เข้าถึงชุมชนและริเริ่มโครงการที่ส่งเสริมให้พวกเขาส่งวิดีโอเพื่อฝึกอบรมเครื่องมือต่างๆ กลยุทธ์ที่ให้ความสำคัญกับชุมชนเป็นหลักเช่นนี้มีจริยธรรมและมีความรับผิดชอบมากกว่า และให้ผู้ใช้ควบคุมได้มากขึ้น
LLM และเครื่องมืออื่นๆ ควรได้รับการพัฒนาเพื่อจัดลำดับความสำคัญของประโยชน์ ไม่ใช่ความฉลาด ดร. Daumé กล่าวสรุป ยิ่งมีประโยชน์มากเท่าไรก็ยิ่งสามารถช่วยให้ผู้คนทำสิ่งที่พวกเขาทำไม่ได้หรือไม่ต้องการทำได้มากขึ้นเท่านั้น แทนที่จะทำสิ่งที่ผู้คนทำได้ดีและเพลิดเพลินอยู่แล้วโดยอัตโนมัติ
ดร. โจนาธาน เมย์ (สถาบันวิทยาศาสตร์สารสนเทศแห่งมหาวิทยาลัยเซาเทิร์นแคลิฟอร์เนีย) เป็นวิทยากรคนต่อไป และเขาเริ่มการบรรยายโดยไตร่ตรองหัวข้อการประชุม: “สู่วิทยาศาสตร์ไร้กำแพง” เขาตั้งข้อสังเกตว่าในขณะที่การพัฒนา LLM เมื่อเร็ว ๆ นี้ทำลายกำแพงสำหรับบางคน แต่กำลังสร้างกำแพงสำหรับหลาย ๆ คน
อันดับแรกเขาอภิปรายว่าอินเทอร์เน็ตลดอุปสรรคมากมายในการทำวิจัยได้อย่างไร เมื่อเขาอายุ 17 ปี เขาสงสัยว่าทำไมสตาร์ วอร์สและลอร์ดออฟเดอะริงส์จึงมีโครงเรื่องที่คล้ายกันมาก และเขาต้องขับรถไปที่ห้องสมุดและค้นหาหนังสือที่มีคำตอบ เขาทำวิทยานิพนธ์ระดับปริญญาเอกของเขาซึ่งมีเดิมพันสูงกว่าแต่ก็ยากพอๆ กัน แต่เมื่อสิ้นสุดเวลาที่เขาศึกษาอยู่ ก็พบว่ามีหน้า Wikipedia ที่สร้างขึ้นเกี่ยวกับหัวข้อนี้ จากนั้นจึงค้นหาทางอินเทอร์เน็ต และตอนนี้การวิจัยโดยไม่ใช้รถยนต์ก็กลายเป็นเรื่องปกติ
ดร. เมย์กล่าวต่อโดยกล่าวว่าเขารู้สึกเป็นเกียรติที่ได้อยู่ในกลุ่มประชากรสำหรับกลุ่มเป้าหมายของ LLM เขาเขียนโค้ดไม่บ่อยนักและไม่เคยเรียนรู้ทักษะการเขียนโค้ดมากนัก แต่เมื่อจำเป็นสำหรับงานของเขา เขาก็ถาม ChatGPT ได้ และมันก็ทำงานได้ดีมาก
อย่างไรก็ตาม มีอุปสรรคมากมายในการทำให้ประโยชน์ของ LLM แพร่หลาย:
- กำแพงภาษา: โมเดลทำงานได้ดีขึ้นเมื่อมีการฝึกอบรมข้อมูลมากขึ้น แม้ว่า LLM เชิงพาณิชย์ในปัจจุบันจะมีหลายภาษา แต่ก็ให้ความสำคัญกับภาษาอังกฤษเป็นอย่างมาก ตัวอย่างเช่น ChatGPT ได้รับการฝึกอบรมเป็นภาษาอังกฤษ 92% นอกจากนี้ ข้อมูลคำแนะนำซึ่งเป็น "ซอสลับ" ของ LLM ส่วนใหญ่เป็นภาษาอังกฤษ (เช่น 96% ของ ChatGPT) ขณะนี้มีความพยายามน้อยมากในการปรับปรุงประสิทธิภาพข้ามภาษาของโมเดลเหล่านี้ แม้ว่าจะมีช่องว่างด้านประสิทธิภาพที่เป็นระบบในการทดสอบที่มีอยู่ ซึ่งสมเหตุสมผลเนื่องจากความเห็นพ้องต้องกันโดยทั่วไปว่าการแปลด้วยคอมพิวเตอร์ (MT) นั้น "ได้รับการแก้ไขแล้ว" และความพยายามควรมุ่งเน้นไปที่งานอื่น ๆ
- กำแพงข้อมูลประจำตัว: หากคุณถาม ChatGPT ว่าคุณควรทำอะไรบ้างในวันคริสต์มาส เนื้อหาจะมุ่งเน้นไปที่กิจกรรมและประเพณีต่างๆ ที่คุณสามารถมีส่วนร่วมได้ มันไม่ได้บอกว่าคุณสามารถไปทำงานได้ LLM ได้รับการแสดงให้เห็นว่ามีพฤติกรรมแตกต่างออกไปเมื่ออธิบายกลุ่มประชากรที่แตกต่างกัน โดยแสดงความรู้สึกเชิงลบมากขึ้นและถึงขั้นเป็นพิษโดยสิ้นเชิงในบางกรณี มีความเป็นไปได้ที่จะมีประโยคโปรเฟสเซอร์ที่อาจก่อให้เกิดอันตรายในชุมชน เช่น LGBTQ+ หรือชาวยิว โดยรวมแล้วมีอคติมากมาย และสิ่งนี้มีผลกระทบต่อการตัดสินใจในการปรับใช้ มีการป้องกันบางอย่างในตัว และคำถามเพื่อพิสูจน์ที่ชัดเจนกว่านั้นมีโอกาสน้อยที่จะได้รับคำตอบที่เป็นพิษ แต่แบบจำลองอาจชอบข้อความและผลลัพธ์แบบเหมารวมมากกว่า และนั่นคือจุดที่มีอันตราย โดยเฉพาะอย่างยิ่งเมื่อใช้แบบจำลองในความสามารถดาวน์สตรีมที่คุณไม่เห็น ผลลัพธ์ (เช่น สิทธิ์ในการกู้ยืม) เขายกตัวอย่าง LLM ที่แสดงอคติเมื่อสร้างใบหน้าของบุคคลตามงานของพวกเขา งานที่มีรายได้ต่ำกว่าจะแสดงเป็นผู้หญิงและชนกลุ่มน้อย ในขณะที่งานที่มีรายได้สูงกว่าจะเป็นผู้ชายผิวขาว
- กำแพงสิ่งแวดล้อม (ซอฟต์แวร์): LLM ต้องใช้พลังงานจำนวนมากในการผลิตและดำเนินการ แม้แต่ LM ที่ "เจียมเนื้อเจียมตัว" ที่สุดก็ยังใช้พลังงานต่อปีมากกว่าการใช้คนเดียวถึง 3 เท่า นอกจากนี้ยังมีช่องว่างที่สำคัญในข้อมูลสำหรับโมเดลภาษาที่ใหญ่ที่สุด เช่น ChatGPT แต่บริษัทที่เป็นเจ้าของโมเดลดังกล่าวปฏิเสธอย่างชัดเจนถึงการเข้าถึงการใช้พลังงานของพวกเขา
- กำแพงสิ่งแวดล้อม (ฮาร์ดแวร์): ในการผลิตชิปตามที่ LLM ทุกแห่งต้องการ คุณต้องมี "วัสดุที่มีความขัดแย้ง" เช่น แทนทาลัม (ขุดในคองโก) และแฮฟเนียม (ขุดในเซเนกัลและรัสเซีย) ในสหรัฐอเมริกา บริษัทต่างๆ ควรจะรายงานปริมาณแร่ที่มีข้อขัดแย้งที่พวกเขาใช้ แต่สหรัฐฯ กำลังแสดงต่อสาธารณะว่าการใช้วัสดุเหล่านี้ลดลง ซึ่งไม่เป็นความจริง นอกจากนั้น ยังมีปัญหาทางสังคมและการเมืองอีกมากมาย เช่น จีนจำกัดเจอร์เมเนียมและแกลเลียมเพื่อตอบโต้ข้อจำกัดการส่งออกของสหรัฐฯ
ดร. เมย์แสดงให้เห็นว่าหมวดหมู่เหล่านี้เผยให้เห็นปัญหาปลายน้ำบางประการสำหรับอันตรายที่เกิดจาก LLM และกรณีที่ผู้คนไม่ได้รับประโยชน์ มีสาเหตุที่ทำให้เกิดข้อกังวล แต่ยังมีโอกาสสำหรับการวิจัยและ/หรือการเปลี่ยนแปลงพฤติกรรมที่จะบรรเทาอันตรายเหล่านี้บางส่วน:
- ภาษา: ทุ่มทุนวิจัยเพิ่มเติมเพื่อหลายภาษา (ไม่ใช่แค่การแปลที่มีอำนาจเหนือกว่าและจากภาษาอังกฤษ)
- อัตลักษณ์: การวิจัยจากล่างขึ้นบนและครอบคลุมชุมชน การปรับเปลี่ยนโมเดลและการทดสอบก่อนการใช้งาน
- สภาพแวดล้อม: การพัฒนาอัลกอริทึมที่ใช้ข้อมูลน้อยลงและเปลี่ยนแปลงพารามิเตอร์น้อยลง (เช่น LoRA, อะแดปเตอร์, non-RL PO) มีสติสัมปชัญญะเกี่ยวกับการคำนวณและยืนหยัดต่อความเปิดกว้างในระดับกฎระเบียบ
ดร. เมย์ปิดท้ายการอภิปรายโดยย้ำประเด็นของดร. ดาเม่ที่ว่า ผู้คนควรได้รับประโยชน์ในลักษณะที่พวกเขาต้องการได้รับผลประโยชน์เมื่อมีปฏิสัมพันธ์กับ LLM และสิ่งนี้ต้องคำนึงถึงเป็นอันดับแรกในขั้นตอนการพัฒนา
ขอบคุณมากที่อ่าน และโปรดติดตามอ่านสรุปส่วนถามตอบของเซสชันได้ในวันพรุ่งนี้
- เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
- PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
- เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
- เพลโตESG. คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
- เพลโตสุขภาพ เทคโนโลยีชีวภาพและข่าวกรองการทดลองทางคลินิก เข้าถึงได้ที่นี่.
- ที่มา: https://feeds.feedblitz.com/~/874484594/0/cccblog~CCC-AAAS-Large-Language-Models-Helpful-Assistants-Romantic-Partners-or-Con-Artists-Part-One/
- :มี
- :เป็น
- :ไม่
- :ที่ไหน
- $ ขึ้น
- 1
- 17
- 2024
- 225
- 300
- 7
- a
- สามารถ
- เกี่ยวกับเรา
- เข้า
- การเข้าถึง
- บรรลุผล
- ลงชื่อเข้าใช้
- ข้าม
- การปฏิบัติ
- กิจกรรม
- เพิ่มเติม
- จ่าหน้า
- ที่อยู่
- AI
- AI ในอุตสาหกรรม
- โมเดล AI
- ขั้นตอนวิธี
- ทั้งหมด
- แล้ว
- ด้วย
- ทางเลือก
- ในหมู่
- จำนวน
- an
- และ
- ประจำปี
- คำตอบ
- คำตอบ
- ที่คาดว่าจะ
- คาดการณ์
- ทุกแห่ง
- วิธีการ
- สถาปัตยกรรม
- เป็น
- AREA
- รอบ
- ศิลปิน
- AS
- ถาม
- ขอให้
- แง่มุม
- ด้าน
- ช่วยเหลือ
- ผู้ช่วย
- ช่วย
- At
- ที่คาดหวัง
- ผู้ฟัง
- เสริม
- โดยอัตโนมัติ
- อัตโนมัติ
- อัตโนมัติ
- โดยอัตโนมัติ
- อัตโนมัติ
- พื้นหลัง
- ไม่ดี
- อุปสรรค
- ตาม
- BE
- เพราะ
- รับ
- ก่อน
- เริ่ม
- พฤติกรรม
- พฤติกรรม
- กำลัง
- ประโยชน์
- ได้รับประโยชน์
- ดีกว่า
- ระหว่าง
- เกิน
- อคติ
- บล็อก
- เลือด
- คณะกรรมการ
- หนังสือ
- เจาะ
- ด้านล่าง
- สร้าง
- การก่อสร้าง
- สร้าง
- แต่
- by
- แคลิฟอร์เนีย
- ที่เรียกว่า
- มา
- CAN
- ไม่ได้
- ความสามารถในการ
- รถยนต์
- กรณี
- กรณี
- หมวดหมู่
- ก่อให้เกิด
- ที่เกิดจาก
- CCC
- บล็อก CCC
- สภา CCC
- ความท้าทาย
- เปลี่ยนแปลง
- การเปลี่ยนแปลง
- พูดคุย
- ChatGPT
- หมากรุก
- เด็ก
- สาธารณรัฐประชาชนจีน
- ชิป
- ทางเลือก
- Chooses
- คริสต์มาส
- รหัส
- การเข้ารหัส
- อย่างไร
- มา
- มา
- เชิงพาณิชย์
- ชุมชน
- ชุมชน
- บริษัท
- บริษัท
- สมบูรณ์
- เสร็จสิ้น
- คำนวณ
- คอมพิวเตอร์
- วิทยาการคอมพิวเตอร์
- คอมพิวเตอร์
- การคำนวณ
- แนวคิด
- กังวล
- ความกังวลเกี่ยวกับ
- สรุป
- ดำเนินการ
- การดำเนิน
- การประชุม
- ขัดกัน
- ประเทศคองโก
- เอกฉันท์
- ความยินยอม
- ผลที่ตามมา
- การบริโภค
- เนื้อหา
- ต่อ
- อย่างต่อเนื่อง
- อย่างต่อเนื่อง
- ควบคุม
- การสนทนา
- การสนทนา
- แกน
- ได้
- สภา
- ที่สร้างขึ้น
- การสร้าง
- ปัจจุบัน
- ขณะนี้
- ข้อมูล
- การตัดสินใจ
- ลดลง
- ลึก
- การเรียนรู้ลึก ๆ
- คำนิยาม
- ประชากรศาสตร์
- นำไปใช้
- อธิบาย
- อธิบาย
- ได้รับการออกแบบ
- แม้จะมี
- การกำหนด
- พัฒนา
- ที่กำลังพัฒนา
- พัฒนาการ
- DID
- ต่าง
- ต่างกัน
- ผู้อำนวยการ
- การค้นพบ
- กล่าวถึง
- การสนทนา
- การหยุดชะงัก
- do
- ทำ
- ไม่
- การทำ
- Dont
- สอง
- ลง
- dr
- ขับรถ
- สอง
- ในระหว่าง
- e
- แต่ละ
- ก่อน
- ง่ายดาย
- ง่าย
- สอน
- ความพยายาม
- เช็คคุณสมบัติที่นี่
- โผล่ออกมา
- เน้น
- ให้อำนาจ
- ปลาย
- พลังงาน
- การใช้พลังงาน
- ว่าจ้าง
- ชั้นเยี่ยม
- ภาษาอังกฤษ
- เสริม
- เพลิดเพลิน
- มหาศาล
- พอ
- พอ ๆ กัน
- โดยเฉพาะอย่างยิ่ง
- ฯลฯ
- ตามหลักจริยธรรม
- แม้
- ตัวอย่าง
- ที่มีอยู่
- ขยาย
- อธิบาย
- อย่างชัดเจน
- ที่ชี้แจง
- การเจริญเติบโต
- ส่งออก
- เป็นการแสดงออก
- การแสดง
- กว้างขวาง
- ใบหน้า
- ความจริง
- ความเป็นธรรม
- ความสำเร็จ
- ที่โดดเด่น
- รู้สึก
- สองสาม
- น้อยลง
- สุดท้าย
- หา
- ชื่อจริง
- แบน
- โฟกัส
- มุ่งเน้น
- มุ่งเน้นไปที่
- สำหรับ
- แถวหน้า
- ข้างหน้า
- ราคาเริ่มต้นที่
- พรมแดน
- อย่างเต็มที่
- สนุก
- การระดมทุน
- ต่อไป
- อนาคต
- ช่องว่าง
- ช่องว่าง
- ให้
- General
- โดยทั่วไป
- สร้าง
- การสร้าง
- รุ่น
- ชั่วอายุคน
- GitHub
- ให้
- Go
- ไป
- ไป
- กราฟ
- ยิ่งใหญ่
- กลุ่ม
- การเจริญเติบโต
- มี
- ยาก
- ฮาร์ดแวร์
- อันตราย
- อันตราย
- มี
- HCl
- he
- หนัก
- ช่วย
- เป็นประโยชน์
- การช่วยเหลือ
- เธอ
- จุดสูง
- สูงกว่า
- ไฮไลท์
- ของเขา
- ประวัติ
- ถือ
- สรุป ความน่าเชื่อถือของ Olymp Trade?
- HTTPS
- เป็นมนุษย์
- มนุษย์
- hype
- i
- if
- ความสำคัญ
- สำคัญ
- ประทับใจ
- ปรับปรุง
- การปรับปรุง
- การปรับปรุง
- in
- รวมทั้ง
- เพิ่ม
- ที่เพิ่มขึ้น
- เหลือเชื่อ
- บุคคล
- อุตสาหกรรม
- ข้อมูล
- โครงสร้างพื้นฐาน
- ในขั้นต้น
- เริ่มต้น
- อินพุต
- ความเข้าใจ
- ตัวอย่าง
- แทน
- สถาบัน
- Intelligence
- ฉลาด
- โต้ตอบ
- การมีปฏิสัมพันธ์
- ปฏิสัมพันธ์
- อยากเรียนรู้
- น่าสนใจ
- อินเทอร์เน็ต
- เข้าไป
- ปัญหา
- IT
- ITS
- ชาวยิว
- การสัมภาษณ์
- งาน
- โจนาธาน
- jpeg
- เพียงแค่
- คีย์
- เด็ก
- ชนิด
- ภาษา
- ภาษา
- ใหญ่
- ส่วนใหญ่
- ที่มีขนาดใหญ่
- ใหญ่ที่สุด
- นำ
- เรียนรู้
- ได้เรียนรู้
- การเรียนรู้
- น้อยลง
- ให้
- ห้องสมุด
- ชีวิต
- กดไลก์
- น่าจะ
- Line
- เส้น
- วรรณคดี
- ชีวิต
- ที่อาศัยอยู่
- LLM
- เงินกู้
- อีกต่อไป
- ดู
- ที่ต้องการหา
- ลอร์ดออฟเดอะริ
- Lot
- รัก
- ลด
- ลดลง
- เครื่อง
- เรียนรู้เครื่อง
- ส่วนใหญ่
- ทำ
- ทำให้
- การทำ
- การจัดการ
- กรรมการผู้จัดการ
- คู่มือ
- หลาย
- มาเรีย
- แมรี่แลนด์
- วัสดุ
- ความกว้างสูงสุด
- อาจ..
- สมาชิก
- กล่าวถึง
- ไมโครซอฟท์
- อาจ
- ใจ
- ศีลธรรม
- แร่ธาตุ
- ชนกลุ่มน้อย
- ด่าว่า
- บรรเทา
- ML
- แบบ
- โมเดล
- การกลั่นกรอง
- แม่
- เงิน
- ข้อมูลเพิ่มเติม
- มากที่สุด
- การย้าย
- MT
- มาก
- จำเป็น
- จำเป็นต้อง
- ความต้องการ
- เชิงลบ
- ไม่เคย
- ใหม่
- น่าติดตาม
- ถัดไป
- ไม่
- ตอนนี้
- NSF
- จำนวน
- วัตถุ
- ที่เกิดขึ้น
- of
- การเสนอ
- มักจะ
- on
- ครั้งเดียว
- ONE
- เพียง
- เปิด
- ความใจกว้าง
- โอกาส
- or
- ใบสั่ง
- อื่นๆ
- ของเรา
- ออก
- ผลลัพธ์
- เอาท์พุต
- ทันที
- ของตนเอง
- หน้า
- แผง
- กระดาษ
- ตัวอย่าง
- พารามิเตอร์
- พ่อแม่
- ส่วนหนึ่ง
- ในสิ่งที่สนใจ
- พาร์ทเนอร์
- ส่วน
- หยุดชั่วคราว
- การจ่ายเงิน
- คน
- ดำเนินการ
- การปฏิบัติ
- ระยะเวลา
- คน
- มุมมอง
- แพร่หลาย
- ระยะ
- phd
- ปรัชญา
- ชิ้น
- สถานที่
- เพลโต
- เพลโตดาต้าอินเทลลิเจนซ์
- เพลโตดาต้า
- เล่น
- เล่น
- กรุณา
- บวก
- PO
- จุด
- จุด
- ส่วน
- ถูกวาง
- ความเป็นไปได้
- ที่มีศักยภาพ
- การคาดการณ์
- ชอบ
- การเตรียมความพร้อม
- การนำเสนอผลงาน
- ก่อน
- จัดลำดับความสำคัญ
- ความเป็นส่วนตัว
- ได้รับการยกเว้น
- คงจะเป็นไปได้
- ความน่าจะเป็น
- ปัญหาที่เกิดขึ้น
- ก่อ
- ผลผลิต
- มืออาชีพ
- ศาสตราจารย์
- โปรแกรมเมอร์
- ความคืบหน้า
- โครงการ
- ให้
- สาธารณชน
- ผลักดัน
- Q & A
- คุณภาพ
- คำถาม
- การยก
- อย่างรวดเร็ว
- ค่อนข้าง
- มาถึง
- อ่าน
- การอ่าน
- เหมือนจริง
- จริงๆ
- ปะยางรถ
- รับ
- เมื่อเร็ว ๆ นี้
- การรับรู้
- บันทึก
- สะท้อนให้เห็นถึง
- หน่วยงานกำกับดูแล
- คงคำแนะนำ
- โดดเด่น
- เอาออก
- ลบ
- รายงาน
- ต้องการ
- การวิจัย
- นักวิจัย
- การตอบสนอง
- รับผิดชอบ
- จำกัด
- ข้อ จำกัด
- เปิดเผย
- รีวิว
- ความเสี่ยง
- บทบาท
- วิ่ง
- รัสเซีย
- การป้องกัน
- ความปลอดภัย
- เดียวกัน
- คำพูด
- ขนาด
- ปรับ
- กระจัดกระจาย
- วิทยาศาสตร์
- วิทยาศาสตร์
- วิทยาศาสตร์
- นักวิทยาศาสตร์
- ค้นหา
- ที่สอง
- เห็น
- เห็น
- ความรู้สึก
- ความรู้สึก
- เซสชั่น
- ครั้ง ราคา
- ที่ใช้ร่วมกัน
- เธอ
- สั้น
- น่า
- แสดงให้เห็นว่า
- การแสดง
- แสดง
- ลงชื่อ
- สำคัญ
- อย่างมีความหมาย
- การลงชื่อ
- สัญญาณ
- คล้ายคลึงกัน
- ง่ายดาย
- ตั้งแต่
- เดียว
- ทักษะ
- การชะลอตัว
- So
- สังคม
- ซอฟต์แวร์
- บาง
- บางคน
- บางสิ่งบางอย่าง
- การจัดหา
- ทางใต้
- ลำโพง
- โดยเฉพาะ
- เฉพาะ
- ความเร็ว
- การใช้จ่าย
- ระยะ
- ดาว
- Star Wars
- เริ่มต้น
- ข้อความที่เริ่ม
- งบ
- Status
- ขั้นตอน
- ยังคง
- กลยุทธ์
- การศึกษา
- การศึกษา
- ส่ง
- สรุป
- จัดหาอุปกรณ์
- ที่สนับสนุน
- ควร
- พื้นผิว
- ที่ล้อมรอบ
- ระบบ
- เกี่ยวกับระบบ
- ระบบ
- ใช้เวลา
- การ
- คุย
- เป้า
- งาน
- งาน
- วิชาการ
- เทคโนโลยี
- เทคโนโลยี
- บอก
- เงื่อนไขการใช้บริการ
- การทดสอบ
- การทดสอบ
- กว่า
- ที่
- พื้นที่
- ก้าวสู่อนาคต
- กราฟ
- โลก
- ของพวกเขา
- พวกเขา
- ชุดรูปแบบ
- แล้วก็
- ที่นั่น
- ล้อยางขัดเหล่านี้ติดตั้งบนแกน XNUMX (มม.) ผลิตภัณฑ์นี้ถูกผลิตในหลายรูปทรง และหลากหลายเบอร์ความแน่นหนาของปริมาณอนุภาคขัดของมัน จะทำให้ท่านได้รับประสิทธิภาพสูงในการขัดและการใช้งานที่ยาวนาน
- วิทยานิพนธ์
- พวกเขา
- สิ่ง
- คิด
- นี้
- ในสัปดาห์นี้
- สาม
- เวลา
- ไปยัง
- ในวันนี้
- วันนี้
- วันพรุ่งนี้
- เครื่องมือ
- เครื่องมือ
- ด้านบน
- หัวข้อ
- ไปทาง
- รถไฟ
- ผ่านการฝึกอบรม
- แปลง
- หม้อแปลง
- การเปลี่ยนแปลง
- แปลความ
- การแปลภาษา
- การส่งผ่าน
- จริง
- ปรับแต่ง
- สอง
- เป็นปกติ
- ความเข้าใจ
- เป็นเอกลักษณ์
- มหาวิทยาลัย
- ไม่ทราบ
- us
- ใช้
- มือสอง
- มีประโยชน์
- ผู้ใช้งาน
- ผู้ใช้
- ใช้
- การใช้
- กว้างใหญ่
- มาก
- วิดีโอ
- วิสัยทัศน์
- ภาพ
- อาสาสมัคร
- ต้องการ
- คือ
- ทาง..
- we
- สัปดาห์
- ดี
- คือ
- อะไร
- เมื่อ
- แต่ทว่า
- ที่
- ในขณะที่
- ขาว
- WHO
- ทำไม
- แพร่หลาย
- วิกิพีเดีย
- จะ
- กับ
- ไม่มี
- ผู้หญิง
- งาน
- โรงงาน
- โลก
- จะ
- ตะลึง
- การเขียน
- เขียน
- ปี
- คุณ
- ลมทะเล