29년 2024월 XNUMX일 금요일

데스크탑 v4.2.1

Root NationНовиниIT 뉴스우리가 AI라고 부르는 모든 것이 실제로 인공 지능은 아닙니다. 알아야 할 사항은 다음과 같습니다.

우리가 AI라고 부르는 모든 것이 실제로 인공 지능은 아닙니다. 알아야 할 사항은 다음과 같습니다.

-

1955년 13월, 일단의 학자들이 뉴햄프셔의 다트머스 칼리지에서 여름 세미나를 개최하기 위해 500달러의 기금 요청서를 제출했습니다. 그들이 탐구하겠다고 제안한 분야는 인공지능(AI)이었다. 자금 요청은 적었지만 연구원의 가설은 "학습의 모든 측면 또는 지능의 다른 기능은 원칙적으로 기계를 모방하여 만들 수 있을 정도로 정확하게 설명될 수 있습니다."가 아니었습니다.

이러한 겸손한 시작 이후 영화와 미디어는 AI를 낭만적으로 묘사하거나 악당으로 묘사했습니다. 그러나 대부분의 사람들에게 AI는 논쟁의 문제일 뿐 의식적인 삶의 경험의 일부가 아닙니다.

우리가 AI라고 부르는 모든 것이 실제로 인공 지능은 아닙니다.

지난달 말 AI 형태로 ChatGPT 공상 과학 추측 및 연구 실험실에서 벗어나 일반 대중의 데스크탑과 전화기에 등장했습니다. 이것은 소위 "제너레이티브 AI"입니다. 예기치 않게 지능적으로 표현된 프롬프트는 에세이를 쓰거나 요리법과 쇼핑 목록을 만들거나 엘비스 프레슬리 스타일의 시를 만들 수 있습니다.

그렇지만 ChatGPT 제너레이티브 AI 성공의 XNUMX년 동안 가장 인상적인 참가자였으며, 이와 같은 시스템은 새로운 콘텐츠를 생성할 수 있는 더 큰 잠재력을 보여주었고, 텍스트에서 이미지로의 프롬프트는 미술 대회에서 우승한 생생한 이미지를 만드는 데 사용되고 있습니다. AI는 아직 공상과학 영화와 소설에서 대중화된 살아있는 의식이나 마음의 이론을 가지고 있지 않을 수 있지만, 적어도 우리가 인공 지능 시스템이 할 수 있다고 생각하는 것을 혼란에 빠뜨리는 데 가까워지고 있습니다.

Google의 LaMDA LLM(Large Language Model)의 경우처럼 이러한 시스템과 밀접하게 작업하는 연구원들은 지능의 전망에 기절합니다. LLM은 자연어를 처리하고 생성하도록 훈련된 모델입니다.

Generative AI는 또한 표절, 모델 구축에 사용된 원본 콘텐츠의 악용, 정보 조작의 윤리 및 신뢰 남용, 심지어 "프로그래밍의 끝"에 대한 우려를 제기했습니다.

AI의 진정한 의미는 무엇입니까?

이 모든 것의 중심에는 다트머스에서 열린 여름 세미나 이후 관련성이 커지고 있는 질문이 있습니다. AI는 인간 지능과 다른가? AI로 간주되려면 시스템이 일정 수준의 학습 및 적응을 입증해야 합니다. 이러한 이유로 의사 결정, 자동화 및 통계 시스템은 AI가 아닙니다. AI는 크게 AI(협소한 인공 지능)와 AI(인공 일반 지능)의 두 가지 범주로 나뉩니다. 현재 SHI는 존재하지 않습니다. 일반 AI 구축의 핵심 과제는 일관되고 유용한 방식으로 전체 지식 체계를 사용하여 세상을 적절하게 모델링하는 것입니다. 이것은 가볍게 말하면 대규모 작업입니다.

오늘날 우리가 AI로 알고 있는 것의 대부분은 특정 시스템이 특정 문제를 해결하는 좁은 지능을 가지고 있습니다. 인간 지능과 달리 이러한 좁은 AI 지능은 사기 감지, 안면 인식 또는 사회적 추천과 같이 훈련된 영역에서만 효과적입니다. 그리고 AI는 사람과 같은 방식으로 기능할 것입니다. 현재 이를 달성하기 위한 시도의 가장 두드러진 예는 방대한 양의 데이터에 대해 훈련된 신경망과 딥 러닝을 사용하는 것입니다.

우리가 AI라고 부르는 모든 것이 실제로 인공 지능은 아닙니다.

신경망은 인간의 두뇌가 작동하는 방식에서 영감을 받았습니다. 훈련 데이터에 대한 계산을 수행하는 대부분의 기계 학습 모델과 달리 신경망은 상호 연결된 네트워크를 통해 각 데이터 포인트를 차례로 공급하고 매번 매개변수를 조정하는 방식으로 작동합니다. 점점 더 많은 데이터가 네트워크를 통해 공급됨에 따라 매개변수가 안정화되어 새로운 데이터에 대해 원하는 출력을 생성할 수 있는 "훈련된" 신경망이 생성됩니다(예: 이미지에 고양이 또는 개가 포함되어 있는지 인식).

오늘날 인공 지능 개발의 상당한 도약은 대규모 클라우드 컴퓨팅 인프라의 기능 덕분에 각 실행 중에 엄청난 수의 매개 변수를 조정할 수 있는 대규모 신경망 학습 방법의 기술 개선에 기인합니다. 예를 들어 GPT-3(ChatGPT를 지원하는 AI 시스템)은 175억 개의 매개변수가 있는 대규모 신경망입니다.

인공 지능이 작동하려면 무엇이 필요합니까?

인공 지능이 성공적으로 작동하려면 세 가지가 필요합니다. 첫째, 그는 품질, 객관적인 데이터, 그리고 많은 데이터가 필요합니다. 신경망을 구축하는 연구원은 사회의 디지털화 덕분에 등장한 방대한 데이터를 사용합니다.

인간 프로그래머를 보완하는 Co-Pilot은 GitHub에서 호스팅되는 수십억 줄의 코드에서 데이터를 가져옵니다. ChatGPT 및 기타 대규모 언어 모델은 인터넷에 저장된 수십억 개의 웹사이트와 텍스트 문서를 사용합니다.

다음과 같은 텍스트를 이미지로 변환하는 도구 안정적인 확산, 달레-2 및 Midjourney는 LAION-5B와 같은 데이터 세트의 이미지-텍스트 쌍을 사용합니다. AI 모델은 우리 삶의 더 많은 부분을 디지털화하고 시뮬레이션 데이터 또는 Minecraft와 같은 게임 설정의 데이터와 같은 대체 데이터 소스를 제공함에 따라 계속 발전할 것입니다.

우리가 AI라고 부르는 모든 것이 실제로 인공 지능은 아닙니다.

AI는 또한 효과적으로 훈련하기 위해 컴퓨팅 인프라가 필요합니다. 컴퓨터가 더욱 강력해짐에 따라 현재 집중적인 노력과 대규모 계산이 필요한 모델이 가까운 장래에 로컬에서 처리될 수 있습니다. 예를 들어 안정적인 확산 모델은 클라우드 환경이 아닌 로컬 컴퓨터에서 이미 실행할 수 있습니다. AI의 세 번째 요구 사항은 개선된 모델과 알고리즘입니다. 데이터 기반 시스템은 한때 인간 인지의 영역으로 간주되었던 영역에서 계속해서 급속한 발전을 이루고 있습니다.

그러나 우리 주변의 세상은 끊임없이 변화하기 때문에 AI 시스템은 새로운 데이터를 사용하여 지속적으로 재교육되어야 합니다. 이 중요한 단계가 없으면 AI 시스템은 실제로 잘못된 답변을 제공하거나 훈련된 이후 나타난 새로운 정보를 고려하지 않습니다.

신경망은 AI에 대한 유일한 접근 방식이 아닙니다. 인공 지능 연구에서 주목할만한 또 다른 진영은 상징적 AI입니다. 방대한 데이터 배열을 소화하는 대신 특정 현상의 내부 상징적 표현을 형성하는 인간 프로세스와 유사한 규칙과 지식에 의존합니다.

그러나 지난 XNUMX년 동안 힘의 균형은 데이터 기반 접근 방식으로 크게 기울어졌으며 현대 딥 러닝의 "창시자"는 최근 컴퓨터 과학의 노벨상에 해당하는 튜링상을 수상했습니다.

우리가 AI라고 부르는 모든 것이 실제로 인공 지능은 아닙니다.

데이터, 계산 및 알고리즘은 미래 AI의 기반을 형성합니다. 모든 지표는 가까운 미래에 세 가지 범주 모두에서 빠른 진전을 나타냅니다.

당신은 우크라이나가 러시아 침략자에 맞서 싸울 수 있도록 도울 수 있습니다. 이를 수행하는 가장 좋은 방법은 다음을 통해 우크라이나 군대에 기금을 기부하는 것입니다. 세이브라이프 또는 공식 페이지를 통해 NBU.

근원과학적
가입하기
에 대해 알림
손님

0 코멘트
임베디드 리뷰
모든 댓글 보기
기타 기사
업데이트 구독

최근 댓글

지금 인기
0
우리는 여러분의 생각을 좋아합니다. 댓글을 달아주세요.x