வழி என்று நினைப்பவர்களும் உண்டு மனித அளவிலான செயற்கை நுண்ணறிவு இப்போது வரையப்பட்டுள்ளது, இப்போது இது கணக்கீட்டு வளங்களை அதிகரிப்பது பற்றிய ஒரு கேள்வியாக இருக்கும், மற்றவை மெதுவாக இருப்பதால் பல தேவைகள் இன்னும் காணவில்லை. இருப்பினும், மிகவும் வித்தியாசமான பணிகளை நிர்வகிப்பதற்கான அசாதாரண திறன் Gatoவை மற்றவற்றிலிருந்து வேறுபட்ட ஒரு AI அமைப்பாக ஆக்குகிறது, இது ஒருபுறம் எல்லோரும் எதிர்பார்க்கும் பொதுவான செயற்கை நுண்ணறிவு இன்னும் இல்லை என்றால், மறுபுறம் அது இன்னும் ஒரு புதுமையான அமைப்பாகும். அதே கட்டிடக்கலையிலிருந்து மிகவும் வேறுபட்ட தரவைச் செயலாக்க இது நிர்வகிக்கிறது deep learning.
இதுவரை செயற்கை நுண்ணறிவின் சிக்கலான உலகில் உள்ள முக்கிய வேறுபாடுகளில் ஒன்று, "குறுகிய" AI என்றும் அழைக்கப்படும் பலவீனமான AI மற்றும் "பொது" AI என்றும் அழைக்கப்படும் வலுவான AI ஆகியவற்றுக்கு இடையேயான வேறுபாடு ஆகும். சிந்தனை இயந்திரங்கள் பற்றிய கேள்வியை உடனடியாக தீர்க்க இது மிகவும் எளிமையான வழியாகும். குறுகிய AI என்பது ஒரு வழியைத் திட்டமிடுதல், தொடர்புடைய தேடல் முடிவுகளை வழங்குதல் அல்லது எழுதப்பட்ட உரையாடல் போன்ற ஒரு பணியை மட்டுமே செய்யும் செயற்கை நுண்ணறிவு வகையாகும். மறுபுறம், ஜெனரல் AI என்பது திரைப்படங்களில் நாம் பார்க்கும் செயற்கை நுண்ணறிவு, இது ஒரு மனிதனைப் போல சிந்திக்கிறது, இது ஒரே நேரத்தில் பல பணிகளைச் செய்கிறது, அவர்களுக்கு இடையே பயனுள்ள ஒருங்கிணைப்பை உருவாக்குகிறது. இந்த மனிதனைப் போன்ற இயந்திரங்களின் சுருக்கம் AGI ஆகும். செயற்கை பொது நுண்ணறிவு. பெரும்பாலான ஆராய்ச்சியாளர்களுக்கு, கோட்பாட்டுரீதியாக சாத்தியமானது ஆனால் எந்த நேரத்திலும் நாம் அடைய மாட்டோம்.
இருப்பினும், இந்த வேறுபாடு இன்று கிரீக்ஸ் மற்றும் விளக்குவதற்கு குறைவாகவும் எளிமையாகவும் தொடங்குகிறது. உண்மையில், சமீபத்திய ஆண்டுகளில், ஏஜிஐயின் கண்டுபிடிப்புக்கு வழிவகுக்காமல், பெருகிய முறையில் பொதுவான செயற்கை நுண்ணறிவு மாதிரிகளை உருவாக்குவதை நோக்கி ஆராய்ச்சி தள்ளப்பட்டுள்ளது. எனவே இது உருவாக்கப்படுகிறது ஒரு வகையான நடுத்தர நிலம், வெவ்வேறு இயல்புடைய பல பணிகளைச் செய்யக்கூடிய AI மாதிரிகளை நாம் எங்கே காண்கிறோம், அதனால் அவை இனி "குறுகிய" AI என்று விவரிக்கப்பட முடியாது, ஆனால் அதே நேரத்தில் அதற்கான காரண நுண்ணறிவு அல்லது விழிப்புணர்வைக் காட்டாது. பல நிபுணர்கள் AGI இல் உள்ளார்ந்ததாக இருக்க வேண்டும்.
இந்த வகை செயற்கை நுண்ணறிவை நாம் "பொதுவாதி" அல்லது இன்னும் சரியாக அழைக்கலாம் "மல்டிமோடல்”, அதனுடன் தொடர்பு கொள்ள பல வழிகள் இருப்பதால். ஒரு எடுத்துக்காட்டுக்கு, மல்டிமாடல் AI அமைப்பு நமது பகுதிக்கான வானிலை முன்னறிவிப்பைக் கண்டறிய முடியும் (தேடி சிறந்த முடிவைத் தேர்ந்தெடுக்கவும்), இன்று மழை பெய்யும் என்று எங்களிடம் கூறுங்கள் (இயற்கை மொழி செயலாக்கம் மற்றும் பேச்சு தொகுப்பு) மற்றும் நாங்கள் செல்கிறோமா என்று சரிபார்க்கவும். குடையுடன் அல்லது இல்லாமல் வெளியே (இயந்திர பார்வை). மேலும், மல்டிமாடல் அமைப்பின் முக்கிய பண்புகளில் ஒன்று, வெவ்வேறு வகையான தரவை "உள்வாங்குதல்" - எடுத்துக்காட்டாக படங்கள் மற்றும் உரை - இரண்டிலிருந்தும் பயனுள்ள தகவல்களை எவ்வாறு வரையலாம் என்பதை அறிவது. இதன் விளைவாக, நாம் ஒரு உண்மையான நுண்ணறிவைக் கையாளுகிறோம் என்று நமக்குத் தோன்றும், உண்மையில் பல AI மாதிரிகள் மட்டுமே "பேட்டரியில்" மற்றும் ஒன்றுக்கொன்று சினெர்ஜியில் உள்ளன.
மல்டிமாடல் AI பற்றிய ஆராய்ச்சியைப் பொறுத்தவரை, சமீபத்திய வாரங்களில் லண்டன் நிறுவனமான டீப் மைண்ட், இது - நமக்கு நினைவிருக்கிறது - இது விண்மீன் மண்டலத்தின் ஒரு பகுதியாகும். Google, தங்களைப் பற்றி அதிகம் பேசும் இரண்டு AI அமைப்புகளை வெளியிட்டுள்ளது. முதலாவது அழைக்கப்படுகிறது ப்ளேமிங்கோ, மற்றும் "மல்டிமோடல் டாஸ்க்குகளை" தீர்க்கும் திறன் கொண்ட ஒரு மாதிரி ஆகும், அதாவது, படங்கள், வீடியோ மற்றும் உரை போன்ற பல்வேறு முறைகள் மூலம் உள்வரும் தகவல்களை ஒருவருக்கொருவர் இணைந்து கூட தெரிவிக்கக்கூடிய பணிகள். ஃபிளமிங்கோ என்பது ஒரு காட்சி மொழி மாதிரி (VLM) ஆகும், இது வகைப்படுத்தல் தகவல், தலைப்பு மேலாண்மை, பட அடிப்படையிலான கேள்வி பதில்களைக் கையாள முடியும், அதே நேரத்தில் ஒரு சில உள்ளீடு / வெளியீட்டு மாதிரிகளை மட்டுமே வழங்குகிறது ("சில-ஷாட் கற்றல்" "என்று அழைக்கப்படும்).
மாதிரியின் நோக்கம் ஒரு படம் அல்லது வீடியோவின் நிலைமையை "புரிந்துகொள்வது", அதன் மொழியியல் அமைப்புடன் அதை சரியாக விவரிப்பது மற்றும் அது "பார்ப்பது" தொடர்பான கேள்விகளுக்கு சரியாக பதிலளிப்பதாகும்.
கொடுக்கப்பட்ட பணிக்கான சிறந்த AI மாதிரியாக Gato எப்போதும் இருக்காது. சாயர் ரோபோவின் கட்டுப்பாடு (இது பல "மூட்டுகள்" கொண்ட ஒரு கையைக் கொண்ட ஒரு ரோபோட்) ஒரு நல்ல தரத்தில் உள்ளது, ஆனால் தலைப்புகளை உருவாக்குவது சாதாரணமானது, சில அடாரி கேம்களின் கையாளுதல் மற்றவற்றை விட குறைவாகவே உள்ளது. AI மாதிரிகள். டீப் மைண்ட் 450 பணிகளில் (அவர் பயிற்சி பெற்ற 604 பணிகளுடன் ஒப்பிடும்போது) கேடோ மனித நிபுணர்களை விட "பாதி நேரத்திற்கும் மேலாக" மிகவும் துல்லியமானது என்று கூறுகிறது. மொத்தமுள்ள 604 பணிகளில், குறைந்தது 154 மிக மோசமான முடிவுகளைத் தருகிறது, மீதமுள்ள 450 இல் கேடோ ஒரு மனித நிபுணரை விட சிறப்பாக நடந்துகொள்கிறார், ஆனால் மற்றொரு பாதி நேரம் அது நடந்துகொள்கிறது என்று சொல்வது ஓரளவு சுருங்கிய வழி. மோசமான.
இந்த வாரங்களின் முடிவுகள் டீப் மைண்ட் பல ஆண்டுகளாக செய்து வரும் உறுதிப்பாட்டின் விளைவாகும். நிறுவனத்தின் குறிக்கோள் "உளவுத்துறையின் சிக்கலைத் தீர்ப்பது" என்பதை மறந்துவிடாதீர்கள், மேலும் பலவிதமான சிக்கல்களைச் சமாளிக்கும் திறன் கொண்ட பொதுவான அமைப்புகளை உருவாக்குகிறது. அதைத்தான் நிறுவனம் செயற்கை பொது நுண்ணறிவு என்று அழைக்கிறது, அங்கு அவர்கள் செல்ல விரும்புகிறார்கள். கடந்த ஆண்டு இந்த திசையில் ஒரு படி எடுக்கப்பட்டது உணர்பவர், படங்கள், உரை, வீடியோ, ஒலி, 3D தரவு போன்ற பல்வேறு வகையான உள்ளீடுகளைக் கையாளும் திறன் கொண்ட டிரான்ஸ்ஃபார்மர் கட்டமைப்பை அடிப்படையாகக் கொண்ட மல்டிமாடல் மாடல். எதிர்கால பொது அமைப்புகளின் முறைகளின் எண்ணிக்கையை மேலும் விரிவுபடுத்துவதற்கு Perceiver பயனுள்ளதாக இருக்கும் என்று Gato உருவாக்கியவர்களே கருதுகின்றனர்.
இடுகையில் இருந்து பிரித்தெடுக்கப்பட்ட கட்டுரை Luca Sambucci, நீங்கள் படிக்க விரும்பினால்முழு இடுகை இங்கே கிளிக் செய்யவும்
கடந்த திங்கட்கிழமை, பைனான்சியல் டைம்ஸ் OpenAI உடன் ஒரு ஒப்பந்தத்தை அறிவித்தது. FT அதன் உலகத் தரம் வாய்ந்த பத்திரிகைக்கு உரிமம் அளிக்கிறது…
மில்லியன் கணக்கான மக்கள் ஸ்ட்ரீமிங் சேவைகளுக்கு பணம் செலுத்துகிறார்கள், மாதாந்திர சந்தா கட்டணத்தை செலுத்துகிறார்கள். நீங்கள் என்பது பொதுவான கருத்து...
Veeam வழங்கும் Coveware இணைய மிரட்டி பணம் பறித்தல் சம்பவத்தின் பதில் சேவைகளை தொடர்ந்து வழங்கும். Coveware தடயவியல் மற்றும் சரிசெய்தல் திறன்களை வழங்கும்…
முன்கணிப்பு பராமரிப்பு எண்ணெய் மற்றும் எரிவாயு துறையில் புரட்சியை ஏற்படுத்துகிறது, ஆலை மேலாண்மைக்கு ஒரு புதுமையான மற்றும் செயல்திறன் மிக்க அணுகுமுறையுடன்.…
