Следующий шаг в работе с нейросетями: решение этических проблем и ликвидация когнитивных искажений
Следующий шаг в работе с нейросетями: решение этических проблем и ликвидация когнитивных искажений
Наука и технологии
отправить
Задать вопрос
по материалу
 

Ученый из Индии дал рекомендации по обучению искусственного интеллекта

Следующий шаг в работе с нейросетями: решение этических проблем и ликвидация когнитивных искажений

Чтобы создать новые более совершенные генеративные модели, не надо надеяться на крупных техногигантов. Научному сообществу нужна децентрализация в этой сфере. Об этом заявил профессор отдела электроники и коммуникационных наук Индийского статистического института Свагатам Дас на восьмой международной конференции «Путешествие в мир искусственного интеллекта» (AI Journey), передает ТАСС.

Ученый выступил с докладом на тему «Навигация по ландшафту генеративного ИИ: большие языковые модели, справедливость и их преобразующая роль в научных исследованиях».

Как отметил эксперт, первые нейросети были словно дети, которые пробовали свои первые шаги в рисовании. Потом они тренировались, различали плохие и хорошие рисунки и постепенно учились создавать настоящие шедевры. Сейчас мы наблюдаем эволюцию искусственного интеллекта. Как студент идёт в библиотеку, читает много книг и возвращается с нужным ответом, так и большие модели «читают» большой массив информации из интернета и выдают нам соответствующий контент.

«Нейросети имеют гендерное искажение. У генеративных сетей воспитатель в детсаду всегда «она», а рабочий — «он». Когда генеративная модель пишет, что мужчина путешествует в одиночку, — это радость. А если в одиночку путешествует женщина, у нейросети другая эмоция — страх. Сейчас надо убирать эти когнитивные искажения. Кроме того, необходимо решать этические проблемы», — цитирует ТАСС Свагатама Даса.

Например, на родине ученого в Индии люди говорят на 23 языках. Если в одном языке какая-то фраза звучит нормально, в другом она оскорбительна. Нейросети пока подобные культурные идиомы не различают. Поэтому следующий шаг в развитии больших генеративных моделей — их дальнейшее обучение. По мнению ученого, это основная задача для современного научного сообщества.

Фото freepik — pikisuperstar


Подпишитесь на рассылку «Умной Страны»
Подписаться