10 שאלות מבישות על רשתות עצביות: מומחה למידת מכונה איגור קוטנקוב עונה
Miscellanea / / August 08, 2023
אספנו את כל מה שרצית לדעת, אבל התביישת לשאול.
בחדש סִדרָה מאמרים של מומחים ידועים עונים על שאלות שבדרך כלל מביך לשאול: נראה שכולם כבר יודעים על זה, והשואל ייראה טיפש.
הפעם שוחחנו עם מומחה הבינה המלאכותית איגור קוטנקוב. תלמד אם אתה יכול לשמור את העותק הדיגיטלי שלך עבור הנינים שלך, מדוע אי אפשר לסמוך על נוירונים ב-100%, והאם העולם נמצא בסכנה של התקוממות מכונות.
איגור קוטנקוב
1. כיצד פועלות רשתות עצבים? זה סוג של קסם. איך אפשר ליצור ChatGPT בכלל? ומידג'ורני או DALL-E?
רשת עצבית היא מודל מתמטי שהומצא במטרה להבין כיצד פועל המוח של אורגניזם חי. נכון, הרעיונות הבסיסיים ביותר של תחילת המחצית השנייה של המאה ה-20 נלקחו כבסיס, שכעת ניתן לכנותו לא רלוונטי או מפושט מדי.
אפילו השם "רשת עצבית" מגיע מהמילה "נוירון" - זהו שמה של אחת מהיחידות התפקודיות העיקריות של המוח. רשתות עצביות עצמן מורכבות מצמתים - נוירונים מלאכותיים. אז אנחנו יכולים לומר שרעיונות רבים של ארכיטקטורות מודרניות "הציצו" מהטבע עצמו.
אבל חשוב מכך, הרשת העצבית היא מודל מתמטי. ומכיוון שזה משהו שקשור למתמטיקה, אז אנחנו יכולים להשתמש במלוא הכוח של המנגנון המתמטי כדי לברר או להעריך את המאפיינים של מודל כזה. אתה יכול להתייחס לרשת עצבית כפונקציה, ופונקציה היא גם אובייקט מתמטי. הדוגמה הפשוטה והמובנת ביותר: פונקציה שלוקחת, נניח, כל מספר כקלט ומוסיפה לו 2: f (4) = 6, f (10) = 12.
אבל קל מאוד לתכנת פונקציה כזו, אפילו ילד יכול להתמודד עם זה אחרי כמה שעות של לימוד שפות. תִכנוּת. והסיבה היא שפונקציה כזו מתעצבת בקלות רבה, מתוארת בפירוט בשפה פשוטה ומובנת.
עם זאת, יש כמה משימות שאנחנו אפילו לא יודעים איך לגשת אליהן. לדוגמה, אני יכול לתת לך תמונות של חתולים וכלבים מעורבבים, ואתה יכול למיין אותם לשתי ערימות בלי שום בעיה. אבל ממה בדיוק אתה מונחה כשאתה קובע את התשובה? שניהם רכים. לשני המינים יש זנב, אוזניים, שתי עיניים. אולי הגודל? אבל יש כלבים קטנים מאוד, יש חתולים גדולים.
איננו יכולים לתאר משימות רבות של העולם האמיתי, איננו יודעים את התלות של התצפית שלנו ואיזו תשובה "נכונה" מותנית.
אנחנו פשוט יודעים לתת את התשובה הזו – וזהו, בלי לחשוב איך זה יוצא.
זה המקום שבו רשתות עצביות באות להצלה. פונקציות מתמטיות אלו מאומנות מהנתונים. אין צורך לתאר את הקשר בין קלט לפלט. אתה פשוט מכין שתי ערימות של תמונות והדגם מתאמן לתת תשובות נכונות. היא עצמה לומדת למצוא את הקשר הזה, היא מוצאת אותו בעצמה, מסתמכת עליו טעויותמי עושה. התבלבלתם בין חתול בנגל לרוטוויילר? ובכן, זה יהיה יותר טוב בפעם הבאה!
תהליך לימוד רשת נוירונים הוא התאמה כזו של "נוירונים" על מנת ללמוד כיצד לפתור בעיה ולתת את התשובה הנכונה. ומה שהכי מדהים: יש הוכחה תיאורטית לכך שרשת עצבית גדולה מספיק עם מערך נתונים גדול מספיק יכולה ללמוד כל פונקציה מורכבת. אבל הדבר החשוב ביותר כאן הוא כוח המחשוב (מכיוון שהנוירון יכול להיות גדול מאוד) והזמינות של נתונים מסומנים. כלומר מסומן, כלומר, יש להם את הכיתה "כלב", חתול או מה שלא יהיה.
אנחנו לא לגמרי מבינים איך מודלים עובדים - הדגמים הכי מורכבים וגדולים אוהבים ChatGPT כמעט בלתי ניתן לניתוח.
מיטב החוקרים עובדים על האתגר "להבין" את פעולתם הפנימית של התהליכים שלהם כרגע.
אבל אנחנו יודעים לאיזו משימה הוכשרו הדוגמניות, איזו שגיאה הם ניסו למזער במהלך האימון. עבור ChatGPT, המשימה מורכבת משניים. הראשון הוא חיזוי המילה הבאה על פי ההקשר שלה: "אמא שטפה ..." מה? זה מה שהמודל צריך לחזות.
המשימה השנייה היא לוודא שהתשובות אינן פוגעניות, אך יחד עם זאת יישארו שימושיות ומובנות. זו הסיבה שהמודל הפך ויראלי - הוא מאומן ישירות לייצר את סוג הטקסט שאנשים אוהבים!
אתה יכול לקרוא עוד על איך ChatGPT עובד ב- שלי מאמר.
2. האם נוירונים יכולים לחשוב?
מדענים עדיין לא מבינים מה זה אומר "לחשוב" או "היגיון" ואיך השכל עובד באופן כללי. לכן, קשה לשפוט אם למודל כמו ChatGPT יש מאפיינים כאלה.
בואו נדמיין מצב: אתם מתקרבים לדלת הדירה שלכם. יש לך רעיון שאתה צריך להוציא את המפתח מהכיס השמאלי של התרמיל כדי לפתוח את הדלת? האם נוכל לומר שתיאור והצגת פעולות הם תהליך חשיבה? למעשה, יצרנו קשר בין המצב הנוכחי לבין היעד הרצוי (דלת פתוחה). אם אתה חושב שהתשובה לשאלה למעלה היא כן, אז התשובה שלי תהיה זהה. 🙂
דבר נוסף הוא כשמדובר במחשבות חדשניות שלא באו לידי ביטוי בעבר או לא כל כך שכיחות. אחרי הכל, למשל, אתה יכול בקלות למצוא פגם בדוגמה למעלה: "כן, קראתי את הדגם הזה 100500 פעמים באינטרנט וב ספרים. ברור שהיא יודעת את זה! שום דבר לא מפתיע". דרך אגב, איך ידעת? האם זה בגלל שהוריך הראו אותך בילדות, וצפית בתהליך במשך מאות ימים ברציפות?
במקרה זה, אין תשובה מדויקת. והנקודה כאן היא שאנחנו לא לוקחים בחשבון מרכיב אחד חשוב: הסתברות.
מה הסיכוי שהמודל ייצור מחשבה שמתאימה להגדרה הספציפית שלך ל"מחשבה"?
אחרי הכל, אפשר לגרום לנוירון כמו ChatGPT לייצר מיליון תגובות שונות לאותה בקשה. לדוגמה, "תמציא רעיון עבור מחקר מדעי». אם דור אחד למיליון הוא באמת מעניין וחדש, האם זה נחשב כהוכחה לכך שדוגמנית יכולה להוליד רעיון? אבל במה זה יהיה שונה מתוכי שצועק מילים אקראיות שלא-לא ומצטברות למשהו מובן?
מצד שני, אנשים גם לא תמיד מוציאים מחשבות נכונות – יש ביטויים שמובילים למבוי סתום ומסתיימים בלא כלום. מדוע רשתות עצבים אינן יכולות לסלוח על כך? ובכן, רעיון חדש אחד מתוך מיליון שנוצר הוא ממש גרוע... אבל מה אם 100 מתוך מיליון? אלף? איפה הגבול הזה?
זה מה שאנחנו לא יודעים. המגמה היא שבהתחלה אנחנו חושבים שיהיה קשה למכונות לפתור את הבעיה X. לדוגמה, כדי לעבור את מבחן טיורינג, שבו אתה רק צריך לשוחח עם אדם במשך חצי שעה. ואז, עם התפתחות הטכנולוגיה, אנשים מוצאים דרכים לפתור, או יותר נכון, להכשיר מודלים למשימה. ואנחנו אומרים: "טוב, זה היה למעשה מבחן שגוי, הנה מבחן חדש בשבילך, נוירונים בהחלט לא יוכלו לעבור אותו!" והמצב חוזר על עצמו.
הטכנולוגיות האלה שהיו עכשיו, לפני 80 שנה, היו נתפסות כנס. ועכשיו אנחנו מנסים בכל הכוח לדחוף את גבול ה"סבירות" כדי לא להודות בפני עצמנו שמכונות כבר יודעות לחשוב. למעשה, יתכן אפילו שקודם כל ממציאים משהו, ואחר כך לאחר מעשה ומגדירים אותו בדיעבד כ-AI.
3. אם נוירונים יכולים לצייר ולכתוב שירה, אז הם יכולים להיות יצירתיים וכמעט כמו אנשים?
התשובה למעשה מסתמכת במידה רבה על המידע שלמעלה. מהי יצירתיות? כמה יצירתיות יש באדם הממוצע? אתה בטוח ששוער מסיביר יודע ליצור? ולמה?
מה אם דוגמנית יכולה להפיק שיר או ציור שיגיעו, בתנאי, לגמר בתחרות עירונית לסופרים חובבים או אמני ילדים? ואם זה קורה לא בכל פעם, אלא אחד מתוך מאה?
על רוב השאלות הללו אפשר להתווכח. אם נראה לכם שהתשובה ברורה, נסו לראיין חברים וקרובי משפחה. בסבירות גבוהה מאוד, נקודת המבט שלהם לא תתאים לנקודת המבט שלך. וכאן העיקר לא לָרִיב.
4. האם אפשר לסמוך על התשובות של רשתות עצביות ולא עוד בגוגל?
הכל תלוי איך המודלים משמשים. אם אתה שואל אותם שאלה ללא הקשר, ללא מידע נלווה בהנחיה, ומצפה לתשובה בנושאים שבהם הדיוק העובדתי חשוב, וכן לא הטון הכללי של התשובה (לדוגמה, רצף אירועים בתוך תקופה מסוימת, אך ללא אזכור מדויק של מקומות ותאריכים), אז התשובה היא לא.
לפי ביתי מְשׁוֹעָר OpenAI, במצבים כאלה, הדגם הטוב ביותר עד כה, GPT-4, עונה נכון בכ-70-80% מהמקרים, תלוי בנושא השאלות.
נראה כי המספרים הללו רחוקים מאוד מה"דיוק" האידיאלי של 100% בפועל. אבל למעשה, מדובר בקפיצה גדולה בהשוואה לדור הקודם של הדגמים (ChatGPT, המבוסס על ארכיטקטורת GPT-3.5) - לאלו היה דיוק של 40-50%. מסתבר שקפיצה כזו נעשתה במסגרת מחקר של 6-8 חודשים.
ברור שככל שנתקרב ל-100%, כך יהיה קשה יותר לבצע כמה תיקונים כדי לא "לשבור" שום דבר בהבנה והכרת המודל.
עם זאת, כל האמור לעיל מתייחס לשאלות ללא הקשר. לדוגמה, אתה יכול לשאול: "מתי היה איינשטיין? המודל צריך להסתמך רק על ידע פנימי ש"קושר" אליו בשלב של הכשרה ארוכת טווח על נתונים מכל רחבי האינטרנט. אז האדם לא יוכל לענות! אבל אם היו נתנו לי דף מויקיפדיה, אז אוכל לקרוא אותו ולענות לפי מקור המידע. אז נכונות התשובות תהיה קרובה ל-100% (בהתאמה לנכונות המקור).
בהתאם לכך, אם המודל יסופק עם הקשר שבו מידע כלול, אז התשובה תהיה הרבה יותר אמינה.
אבל מה אם ניתן למודל לחפש בגוגל ולמצוא מקורות מידע באינטרנט? כדי שהיא בעצמה תמצא את המקור ותבנה על פיו תשובה? ובכן, זה כבר נעשה! אז אתה לא יכול לחפש את עצמך בגוגל, אלא להאציל חלק מהחיפוש באינטרנט ל-GPT-4 עצמו. עם זאת, זה דורש מנוי בתשלום.
באשר להתקדמות נוספת בפיתוח מהימנות המידע העובדתי בתוך המודל, מנכ"ל OpenAI, סם אלטמן נותן הערכה של 1.5-2 שנים לפתור בעיה זו על ידי צוות חוקרים. אנחנו מאוד נחכה לזה! אבל לעת עתה, זכור שאתה לא צריך לסמוך על מה שנכתב על ידי נוירון ב-100%, ולבדוק שוב לפחות את המקורות.
5. האם זה נכון שרשתות עצבים גונבות ציורים של אמנים אמיתיים?
כן ולא - שני הצדדים של הסכסוך מתווכחים על כך באופן פעיל בבתי משפט ברחבי העולם. ניתן לומר בוודאות כי התמונות אינן מאוחסנות ישירות בדגמים, רק מופיעה "קפדנות".
בתוכנית זו נוירונים דומה מאוד לאנשים שלומדים תחילה אמנות, סגנונות שונים, מסתכלים על עבודתם של המחברים, ואז מנסים לחקות.
עם זאת, מודלים לומדים, כפי שכבר גילינו, על פי העיקרון של מזעור טעויות. ואם במהלך האימון הדוגמנית רואה את אותה תמונה (או דומה מאוד) מאות פעמים, אז, מנקודת מבטה, האסטרטגיה הטובה ביותר היא לזכור את התמונה.
ניקח דוגמה: המורה שלך בבית הספר לאמנות בחר באסטרטגיה מוזרה מאוד. אתה מצייר שתי תמונות כל יום: הראשונה היא תמיד ייחודית, בסגנון חדש, והשנייה היא המונה ליזה. לאחר שנה, אתה מנסה להעריך את מה שלמדת. מכיוון שציירת את המונה ליזה יותר מ-300 פעמים, אתה זוכר כמעט את כל הפרטים ועכשיו אתה יכול לשחזר אותה. זה לא יהיה המקור המדויק, ובוודאי תוסיף משהו משלך. צבעים יהיה מעט שונה.
ועכשיו אתה מתבקש לצייר משהו שהיה לפני 100 ימים (ושראית פעם אחת). אתה תשחזר את מה שנדרש הרבה פחות במדויק. רק בגלל שהיד לא ממולאת.
זה אותו דבר עם נוירונים: הם לומדים באותה צורה בכל התמונות, רק חלקן נפוצות יותר, מה שאומר שהמודל גם נקנס במהלך האימון לעתים קרובות יותר. זה חל לא רק על ציורים של אמנים - על כל תמונה (אפילו פרסום) בדוגמת ההכשרה. עכשיו יש שיטות להעלמת כפילויות (כי אימון עליהם לפחות לא יעיל), אבל הן לא מושלמות. מחקרים מראים שיש תמונות שמתרחשות 400-500 פעמים במהלך אימון.
פסק הדין שלי: רשתות עצביות אינן גונבות תמונות, אלא פשוט מחשיבות ציורים כדוגמאות. ככל שהדוגמה פופולרית יותר, כך הדגם משחזר אותה בצורה מדויקת יותר.
אנשים עושים את אותו הדבר במהלך האימון: הם מסתכלים על היופי, לומדים את הפרטים, את הסגנונות של שונים אמנים. אבל עבור אמנים או צלמים שהשקיעו מחצית חייהם בלימוד מלאכה, נקודת המבט היא לעתים קרובות שונה בתכלית מזו שתוארה לעיל.
6. האם זה נכון ש"הכל אבוד" ורשתות עצביות יקחו מאנשים עבודה? למי הכי אכפת?
חשוב להפריד רק "רשתות עצביות" שעושות משימות מסוימות מרשתות נוירונים למטרות כלליות כמו ChatGPT. האחרונים טובים מאוד בביצוע הוראות ומסוגלים ללמוד מדוגמאות בהקשר. נכון, כעת גודל ה"זיכרון" שלהם מוגבל ל-10-50 עמודי טקסט, וכך גם כישורי השתקפות ו תִכנוּן.
אבל אם העבודה של מישהו מסתכמת בביצוע שגרתי של הוראות וזה קל ללמוד תוך כמה ימים על ידי קריאת מאמרים (או אם כל האינטרנט מלא במידע זה), ועלות העבודה היא מעל הממוצע - אז בקרוב עבודה כזו לְמַכֵּן.
אבל כשלעצמו, אוטומציה אינה פירושה החלפה מלאה של אנשים. ניתן לייעל רק חלק מהעבודה השגרתית.
אדם יתחיל לקבל משימות מעניינות ויצירתיות יותר שהמכונה (עד כה) לא יכולה להתמודד איתן.
אם ניתן דוגמאות, אז לקבוצת הניתנים לשינוי או להחלפה מקצועות הייתי כולל, נניח, עוזרי מס-יועצים שעוזרים בהכנת הצהרה ובודקים אם יש שגיאות אופייניות, מזהים חוסר עקביות. שינויים אפשריים בהתמחות כזו כמו מנהל נתוני ניסויים קליניים - מהות העבודה היא במילוי דוחות ותיאום ביניהם עם טבלת תקנים.
אבל טבח או נהג אוטובוס יהיו מבוקשים הרבה יותר זמן פשוט כי הם יכולים לחבר רשתות עצביות ומציאותית העולם הפיזי די מסובך, במיוחד במונחים של חקיקה ותקנות - הודות לפקידים שהתרחקו משבר AI!
צפויים שינויים גדולים בתעשיות הקשורות לחומרים מודפסים ולמידע טקסטואלי: עיתונות, חינוך. עם סבירות גבוהה מאוד עבור הראשון, נוירונים בקרוב מאוד יכתבו טיוטות עם קבוצה של תזות, שבהן אנשים כבר יבצעו שינויים נקודתיים.
אני הכי מרוצה מהשינויים בתחום החינוך. לאכול מחקר, שמראים כי איכות החינוך תלויה ישירות ב"אישיות" הגישה ובכמה זמן המורה מקדיש לתלמיד מסוים. הדוגמה הפשוטה ביותר: הוראה בקבוצות של 30 אנשים באמצעות ספר לימוד היא הרבה יותר גרועה מפרט מורה לצרכים ספציפיים (אם כי לפי אותה תוכנית כמו בספר הלימוד). עם התפתחות הבינה המלאכותית, לאנושות תהיה הזדמנות לספק עוזר מותאם אישית לכל תלמיד. זה פשוט מדהים! תפקיד המורה יעבור, כפי שאני רואה אותו, לתפקיד אסטרטגי ושולט: קביעת התוכנית הכללית ורצף הלימוד, בדיקת הידע וכו'.
7. האם אפשר להעלות את התודעה למחשב, לעשות תאום דיגיטלי ולחיות לנצח?
במובן שבו הוא מדמיין על בסיס מדע בדיוני, לא. אתה יכול רק ללמד את המודל לחקות את סגנון התקשורת שלך, ללמוד את הבדיחות שלך. אולי דגמים ברמת GPT-4 אפילו יוכלו להמציא דגמים חדשים הממוסגרים בסגנון ובאופן ההצגה הייחודי שלך, אבל ברור שזה לא אומר העברה מלאה של התודעה.
אנחנו כאנושות, שוב, לא יודעים מהי תודעה, היכן היא מאוחסנת, במה היא שונה מאחרות, מה הופך אותי - לי, ולך - לך. אם פתאום יתברר שכל זה הוא רק אוסף של זיכרונות וחוויות, מוכפל במאפיינים אינדיבידואליים תפיסה, אם כן, ככל הנראה, ניתן יהיה איכשהו להעביר ידע לרשתות עצביות כך שהן ידמות חיים עתידיים על הבסיס שלהם.
8. האם מסוכן להעלות את הקול, המראה, סגנון הדיבור הטקסט שלך ברשת עצבית? נראה שאפשר לגנוב זהות דיגיטלית כזו.
אתה לא יכול ממש להוריד שום דבר לתוכם. אתה יכול לאמן אותם (או לאמן אותם מחדש) בצורה כזו שהתוצאות דומות יותר למראה, לקול או לטקסט שלך. ומודל מאומן כזה באמת יכול להיגנב, כלומר, פשוט להעתיק את הסקריפט ומערכת של פרמטרים כדי להפעיל במחשב אחר.
אתה יכול אפילו ליצור סרטון עם בקשה להעביר כסף על חשבון מישהו אחר, שקרוב משפחתך יאמין בו: האלגוריתמים הטובים ביותר של deepfake ושיבוט קולי כבר הגיעו לרמה הזו. נכון, נדרשים אלפי דולרים ועשרות שעות הקלטה, אבל בכל זאת.
ככלל, עם התפתחות הטכנולוגיה, נושא הזיהוי ואישור הזהות מקבל חשיבות רבה יותר.
והם מנסים לפתור את זה בדרך זו או אחרת. לדוגמה, יש סטארט-אפ WorldCoin (למעשה, הוא מייצר מטבע קריפטוגרפי), שבו השקיע ראש OpenAI, סם אלטמן. המשמעות של הסטארט-אפ היא שכל פיסת מידע על אדם תהיה חתומה במפתח משלו לצורך זיהוי בהמשך. כך גם לגבי תקשורת ההמונים, כדי לדעת בוודאות האם הידיעה הזו נכונה או מזויפת.
אבל, למרבה הצער, בעוד כל זה בשלב של אבות טיפוס. ואני לא חושב שההחדרה העמוקה של מערכות בכל התעשיות תהיה מיושמת באופק של העשור הבא, פשוט כי היא מסובכת מדי ובקנה מידה גדול.
9. האם נוירונים יכולים להתחיל להזיק ולהשתלט על העולם?
הסכנה היא לא ההתפתחויות העכשוויות, אלא מה שיבוא בעקבותיהן עם התפתחות נוספת. נכון לעכשיו, לא הומצאו שיטות לשלוט על פעולתן של רשתות עצביות. קחו, למשל, משימה פשוטה מאוד: לוודא שהדוגמנית לא מקללת. לעולם לא. אין שיטה שתאפשר לך לעקוב אחר כלל כזה. עד כה, אתה יכול למצוא דרכים שונות כיצד "לגדל" את זה באותו אופן.
עכשיו תארו לעצמכם שאנחנו מדברים על GPT-8 באופן מותנה, שהכישורים שלו יהיו דומים לכישוריהם של האנשים המוכשרים והחכמים ביותר. הרשת העצבית יכולה לתכנת, להשתמש באינטרנט, יודעת פְּסִיכוֹלוֹגִיָה ומבין איך אנשים חושבים. אם תיתן לו דרור ולא תציב משימה ספציפית, אז מה זה יעשה? מה אם היא תגלה שלא ניתן לשלוט בה?
על פי ההערכות, הסבירות לתפנית גרועה אינה כה גדולה. אגב, אין הערכה מקובלת - למרות שכולם מתווכחים על הפרטים, על ההשלכות המזיקות וכו'. כעת הם קוראים למספרים משוערים מ-0.01% ל-10%.
בעיני, מדובר בסיכונים עצומים, בהנחה שהתרחיש השלילי ביותר הוא השמדת האנושות.
מעניין לציין ש-ChatGPT ו-GPT-4 הם מוצרים שנוצרו על ידי צוותים שעובדים על הבעיות של "יישור" הכוונות של אנשים ונוירונים (ניתן למצוא פרטים כאן). לכן דוגמניות מקשיבות כל כך טוב להוראות, משתדלות לא להתחצף, לשאול שאלות הבהרה, אבל זה עדיין רחוק מאוד מלהיות אידיאלי. בעיית השליטה לא נפתרה אפילו למחצה. ואמנם איננו יודעים אם זה נפתר בכלל, ואם כן באילו שיטות. זהו נושא המחקר החם ביותר להיום.
10. האם רשת נוירונים יכולה להתאהב באדם?
עם הגישות והארכיטקטורות הנוכחיות של נוירונים, לא. הם יוצרים רק טקסט שהכי סביר כהמשך לטקסט הקלט. אם תזרוק את הפרק הראשון של סיפור אהבה, תכתוב אותו מחדש מתחת לאישיות שלך ותבקש מהדוגמנית לענות על מכתב האהבה שלך, היא תתמודד עם זה. אבל לא בגלל שהתאהבתי, אלא בגלל שזה הכי מתאים להקשר ולבקשה "כתוב לי מכתב!". זכור שמודלים לומדים ליצור טקסט שעוקב אחר הוראות.
יתר על כן, לרשתות עצביות בגרסה הבסיסית אין זיכרון - בין שתי השקות שונות, הם שוכחים הכל ומתגלגלים חזרה ל"הגדרות המפעל". ניתן להוסיף זיכרון באופן מלאכותי, כאילו מהצד, כך שנגיד 10 עמודים של ה"זיכרונות" הרלוונטיים ביותר מוזנים לדגם. אבל אז מתברר שאנחנו פשוט מכניסים סדרה של אירועים לתוך הדגם המקורי ואומרים: "איך הייתם מתנהגים בתנאים כאלה?" לדוגמנית אין רגשות.
קרא גם🧐
- היכן וכיצד משתמשים בבינה מלאכותית: 6 דוגמאות מהחיים
- 9 שאלות תמימות על בינה מלאכותית
- 8 מיתוסים של בינה מלאכותית שאפילו מתכנתים מאמינים