熱門Ptt文章

[爆卦]Gpt2 model是什麼？優點缺點精華區懶人包

雖然這篇Gpt2 model鄉民發文沒有被收入到精華區：在Gpt2 model這個話題中，我們另外找到其它相關的精選爆讚文章

在 gpt2產品中有10篇Facebook貼文，粉絲數超過3,992的網紅台灣物聯網實驗室 IOT Labs，也在其Facebook貼文中提到， AI 如何為公司創造更多價值？專家：2 個缺陷，要先由人類來修補 2021/05/13 採訪‧撰文 盧廷羲 張凱崴 美國人工智慧國家安全委員會（NSCAI）今年 4 月建議，國防部每年應至少分配 3.4% 的預算投入科技領域，並提撥 80 億美元研發 AI。企業方面，微軟（Microsoft）4...

　同時也有1部Youtube影片，追蹤數超過34萬的網紅Marco體驗師，也在其Youtube影片中提到，#AI人工智慧#人類毀滅 本片主題： 2046年，AI人工智慧毀滅人類！？ 體驗《Video File M - 013》 CC字幕 In 2046, AI artificial intelligence destroyed humanity! ? 體驗分：80分 ✏工商合作E-Mail :...

「gpt2」的推薦目錄

gpt2 在 SALA 撒拉 Instagram 的精選貼文

2020-05-13 21:09:23

🐽...

  • 台灣物聯網實驗室 IOT Labs

    gpt2 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答

    2021-05-17 07:14:49
    有 0 人按讚

    AI 如何為公司創造更多價值？專家：2 個缺陷，要先由人類來修補

    2021/05/13
    採訪‧撰文
    盧廷羲
    張凱崴

    美國人工智慧國家安全委員會（NSCAI）今年 4 月建議，國防部每年應至少分配 3.4% 的預算投入科技領域，並提撥 80 億美元研發 AI。企業方面，微軟（Microsoft）4 月宣布，將以 197 億美元收購語音辨識開發商紐安斯通訊（Nuance Communications）；後者是雲端與 AI 軟體的先驅。

    從企業到國家，都愈來愈重視人工智慧，知道要想辦法運用 AI 創造更好的生活。不過，目前 AI 發展到底處於什麼階段？我們又該如何應用？

    美國加州大學洛杉磯分校（UCLA）電腦科學系助理教授張凱崴形容，目前人工智慧技術已經可以幫助人類完成很多事，像是疫情來襲，電腦可以從大數據中篩選條件，自動搜尋、判讀潛在病例，幫助醫生大幅減少檢查時間，但 AI 也並非萬能，要先認知它的局限。他研究如何讓 AI 更符合人性，獲得 2021 年的史隆研究獎（Sloan Research Fellowships）。

    AI 局限1. 資料寬廣度不足時，就會複製人類偏見

    張凱崴認為，電腦在學習的時候，是依賴「彙整數據資料」來判斷，並沒有真正思考，如果資料來源太狹隘、不夠多元，資料寬廣度不足，電腦判斷就會出現偏差，「你跟電腦講清楚 input（輸入）、output（輸出），提供足夠的數據資料，它可以對應、學得很好，但還有很多面向 AI 做不到。」

    舉例來說，亞馬遜（Amazon）2014 年推出智慧音箱（Amazon Echo），使用者口頭下指令給語音助理 Alexa 就能放音樂、查資訊。然而，有些人口音較罕見，或是用字較特殊，智慧音箱的資料庫沒有「不同口音」「不同用詞」的檔案，就可能失靈，這是當前 AI 的其中一大問題。

    張凱崴進一步解釋，AI 另一項挑戰是，它無法清楚分辨「不曾出現」與「不能出現」（無法出現）之間的區別，只是從資料統計出要學的東西，無法像人類一樣進行邏輯思辨。

    AI 的運作方式，第一步是輸入資料，第二步是分析，但這過程容易出現偏見。例如電腦在理解「總統」這個字，會去看四周有什麼字詞，來學習總統這個詞，由於許多總統都是男性，電腦就會「覺得」總統是男性。

    這也是為什麼，如果讓 AI 學習，在它的認知裡，女性「不可能」當美國總統（因為沒有資料紀錄）。「你可以跟人類說，任何職業、性別都是平等的，但對電腦來講，這很困難，」張凱崴說明，一旦資料的寬廣度受限，電腦就容易產生偏見。

    就像在自然語言處理（Natural Language Processing，讓電腦把輸入的語言變成有意義的符號）領域，張凱崴說明，AI需要知道代名詞指的是「哪個名詞」，才能運算下去。但如果資料受限，使用男性的「他」，電腦可能判斷這個代名詞是指總統、總理、執行長；但換成女性的「她」，由於數據不足，電腦就會混亂，出現系統性誤差。

    他再舉一例，美國人工智慧研究組織 OpenAI 提出「生成式預先訓練」系統（GPT，Generative Pre-training），推出到 GPT3 版本，屬於書寫類 AI，電腦能夠揣測人們說完上一句話，下一句可能會講的句子，自動完成後半段。

    好比有人上一句寫下「我正在和教授聊天」，系統可能推導出「我們在研究室討論學術問題」，因為電腦藉由蒐集來的語料資料中判讀出「教授」和「學術」具高度相關。但研究也顯示，GPT2（前一代版本）系統也從資料中學習到許多偏見，像是如果句子前半談論白人男性，系統傾向產生正面評價；如果句子前半是黑人女性，系統竟會產生負面句子。對企業來說，許多組織接觸 AI，想讓它們取代部分工作，首先需要留意資料的廣度、多元性，才能減少電腦犯錯的機會。

    AI 局限2. 即便條件相同，也無法每次都做出正確判斷

    「其實，現在的 AI 就像一台原型飛機，還缺乏穩定性。」張凱崴說，現行的 AI 就好比萊特兄弟（Wright brothers）剛發明飛機，看似可以做很多有趣的事，但「可以飛」跟「飛得很好」，有一大段落差。

    紐西蘭的簽證系統曾鬧出笑話。人們上傳簽證照片，AI 掃描後，確認是不是本人，但當時系統沒有估算到某些亞洲人眼睛比較小，一名亞裔男子被判定「沒有張開眼睛」，因此照片無效。

    張凱崴說，在這個例子中，凸顯出 AI 的穩定性不足，「系統沒有考慮到不同人種的差異，很死板地認為你眼睛沒張開。」所謂的缺乏穩定性，指的是 AI 沒辦法在相同條件下，每次都做出正確決策，這也是使用 AI 時，須留意的第二個挑戰。

    他再舉例，許多模型可以準確分析，一則影評對電影的評價是正面或負面。然而研究顯示，有時只要將影評中一些字換成同義詞，例如把電影（movie）換成影片（film），或改寫句子，即使意思並未改變，系統卻把原本判斷為正面的影評標註成負面。這顯示AI系統還未真正了解語言的含義。

    在設計這些程式時，人們必須注意到 AI 可能有局限，設定的資料範圍要更完整，考慮這些因素，就能減少偏見、落差，進而加強穩定性。

    餵指令給 AI 要多元化，嘗試「換句話說」、刻意混淆

    經理人雖然不一定具備 AI 方面的專業知識，但只要掌握觀念，再透過 AI 領域專才協助，也能優化系統。張凱崴指出，最直接的方法是，設計 AI 模型時，要把來源群組不同的資料分門別類測試，在測試階段讓群體多元化，並確保不同特色的使用者，用起來都沒有問題。

    舉例來說，一套 A 系統擁有來自各地的使用者，如果設計者是台北人，設計系統的思維容易以台北生活為主，很可能因為當地習慣不同，導致花蓮使用者操作不順。

    另一個方法，則是用不同的「語意」，去測試 AI 有沒有徹底學會一個概念。例如，有一套餐廳評鑑的 AI 系統，只要蒐集、整理使用者意見，就能判斷每個顧客對於餐廳的評比是高分或低分。那麼要如何確認這套系統的穩定性？張凱崴建議，可以利用「抽換詞面」的方法。

    比如，把詞彙換成同義字，再看 AI 是否能運算出相同結果，「你可能會發現，原本評比結果是食物很美味，但如果美味換成比較困難的詞，AI 就會分不出這則評比是好是壞。」因此在訓練模型時，可以將詞彙隨機抽換成同義詞，增加 AI 的詞彙量。

    第三種方式更進階：改變句型、重寫句子。張凱崴指出，同樣一句話，如果換成不同說法，電腦可能判讀錯誤，將「因為發生 A 事件，所以導致 B 事件」，改寫成「B 事件發生了，是因為 A 事件的緣故」，明明兩句話意思一樣，但 AI 很可能因為穩定性不足，搞混兩者的差別。如果要鞏固 AI 的穩定性，可以使用自動改寫的方式，增加資料的多樣性。

    張凱崴表示，經過這些測試，讓 AI 接受更多元化的訓練，得到更廣的學習範圍，往後碰到同義詞、相似資訊，才能有效判讀。

    張凱崴總結，AI 還在快速發展，或許可以創造更多工作機會、新的職位，但現行階段，它只是輔助角色。AI 並非魔術盒子，使用它就一定有更好結果，人們還是要保持高度耐心，先認識它的缺陷，才能在技術更迭下，發揮出最好的結果。

    張凱崴

    台灣大學資訊工程系碩士、美國伊利諾大學（UIUC）電腦科學博士。美國加州大學洛杉磯分校（UCLA）電腦科學系助理教授，研究領域包括人工智慧、機器學習、自然語言處理。2021 年獲得史隆研究獎（Sloan Research Fellowship），研究團隊開發的運算方法，使人類語言處理的程序更有效率、更多元，同時兼具公平性。

    附圖：優化AI系統的3方法

    資料來源：https://www.managertoday.com.tw/articles/view/62902?fbclid=IwAR2jI1bhg1anqct0AZZR_3LKKJqIsvG0wz2whSN8iniROZApHt-_qpD7dis

  • 台灣人工智慧學校

    gpt2 在 台灣人工智慧學校 Facebook 的精選貼文

    2020-06-02 13:00:01
    有 60 人按讚

    還記得去年非營利研究機構 OpenAI 所公開的自動寫作 AI 模型 GPT2 嗎？這個因為文筆太好，而被延後釋出的模型，原本只是用來預測下一個單字的語言模型。GPT2主要是以800萬頁網頁來訓練，參數達15億個。不過，這個新技術，主要以英文為主，不知道換成中文也一樣能表現好嗎?

    懷抱著實驗的精神，對於語言訓練感興趣的工程師們以中國新聞語料、中國散文集、金庸小說作為訓練的文本資料，想打造一個AI中文寫手。至於可以用在什麼用途呢？

    工程師們提出了幾個有趣的想法，例如幫忙寫出文情並茂的情書、協助助理寫出條理分明的演講稿、或是借助 Google Speech Recognition 的協助，將原本的文字輸入行為，改成語音輸入，讓機器人不只會寫字，還能說話。
    #我們來做
    #立志成為台灣最強AI團隊

    🔹 成為 AI 人才 http://bit.ly/3aufgOu
    🔸 加強企業競爭力 https://bit.ly/2ZLsQuA

  • 寶太太的人工智慧

    gpt2 在 寶太太的人工智慧 Facebook 的最佳解答

    2019-12-30 23:31:08
    有 15 人按讚

    很有梗：因為Zuckerberg接受了《紐約時報》、《華盛頓郵報》、CNN、NBC、ABC、CBS、Recode、Wired 和 Vox 等一眾媒體訪問的，卻完全沒理會《衛報》，因此衛報與Botnik 工作室（《哈利波特》幕後工作室）進行了合作，用AI訓練了Zuckerbot，來接受採訪。

    引：Zuckerberg 到 Zuckerbot，也是企業發言人形象模板化的趨勢體現。

    他們在接受採訪時總是不正面回答問題，先進行一個較長的背景鋪墊，說一些你很難去求證的話，最後再所說一個似是而非、模棱兩可的回答。不正面回答問題，有統一的話術，這是這類對外公司發言人所呈現的形象。

    #經濟學人最近也訓練了GPT2來回答問題接受採訪 #看來以後不用採訪人類了

你可能也想看看

搜尋相關網站