Чому чудова мовна модель Meta не працює для дослідників

Не змогли відвідати Transform 2022? Перегляньте всі сесії саміту в нашій бібліотеці за запитом! Подивіться сюди.

Коли Алан Тюрінг винайшов тест Тюрінга в 1950 році, це був тест здатності машини демонструвати інтелектуальну поведінку, яка не відрізняється від поведінки людини. Тюрінг запропонував вважати, що комп’ютер має штучний інтелект (ШІ), якщо він може давати відповіді на запитання, схожі на людину.

Завдяки великим мовним моделям ми зараз досягли того моменту, коли комп’ютери можуть писати текст майже на будь-яку тему, яку ми їм запропонуємо – і здебільшого це дуже переконливо та схоже на людину.< /p>

Скажіть йому написати речення на тему "Чому Ілон Маск любить в'язати?" і те, що він створює, мабуть, настільки добре, наскільки це може написати будь-яка людина:

Деякі з можливих причин, чому Ілон Маск може любити в’язання, можуть включати той факт, що це розслаблююча та медитативна діяльність, яка може допомогти очистити ваш розум, а також дає змогу проявити багато творчості та самовираження. Крім того, в’язання може бути дуже соціальною діяльністю, і Ілон Маск може скористатися можливістю поспілкуватися та поспілкуватися з іншими в’язальницями. [Джерело: OpenAI Playground з використанням шаблону text-davinci-002] Конспектуйте складний текст

Подібні приклади цікаві, але найбільша цінність використання великих мовних моделей полягає не в написанні дивного тексту, а більше в синтезі складного тексту. Ці варіанти використання захоплюють у всіх галузях. Наприклад, штучний інтелект може отримувати інформацію про потенційних потенційних клієнтів для цілей бізнес-аналітики або може узагальнювати інвестиційні документи у фінансах.

Подія

MetaBeat 2022

4 жовтня в Сан-Франциско, штат Каліфорнія, MetaBeat збере лідерів думок, щоб порадити, як технологія метавсесвіту змінить спосіб спілкування та ведення бізнесу в усіх галузях.

зареєструватися тут

Однак мене особливо цікавить узагальнення наукових статей для дослідників.

Проблема в тому, що у світі існує надлишок опублікованих досліджень. У 2020 році було опубліковано понад 4,2 мільйона академічних дослідницьких статей. Навіть у спеціалізованих галузях досліджень щороку публікуються сотні статей — як досліднику залишатися в курсі подій, продовжуючи власні пошуки? Анотація статті лише вказує на деталі дослідження, яке вона містить.

Коли Meta нещодавно відкрила свою мовну модель OPT-175B, вона виглядала багатообіцяючою для академічних дослідників. Кажуть, що він забезпечує кращу продуктивність, ніж GPT-3 OpenAI, і використовує лише 15% обчислювальних ресурсів GPT-3 для його навчання.

Випробуйте моделі

Як Meta працює над науковими дослідженнями?

Спочатку ми перевірили його на технічному прес-релізі, і ось отриманий підсумок:

Прогнозні заяви, які стосуються лише дати цього прес-релізу. Artelo не бере на себе зобов’язань публічно оновлювати будь-які прогнозні заяви, будь то в результаті нової інформації, майбутніх подій чи іншим чином. Контакти зі зв'язків з інвесторами: Westwicke Partners від імені Artelo Biosciences Майк Пічініно, CFA

Поганий початок. Модель зосереджується на юридичній документації інвестора в кінці прес-релізу, враховуючи, що це найважливіша інформація, яку читач повинен знати. Ви можете сказати, що це важливо, але це не те, що ми шукаємо. Контакт з інвестором навіть не коректний, його сфабрикувала модель!

Потім ми спробували це на статті з Journal of Electronic Materials:

Журнал ЕЛЕКТРОННІ МАТЕРІАЛИ, Vol. 38, № 7, 20...