kielimallit - AI Feta, the news about scientific AI research (Page 7)

tekoäly

Kun kielimalli päästetään virtuaalitietokoneelle, se alkaa toimia oma-aloitteisesti

Rajatussa ”hiekkalaatikossa” tekoäly oppii käyttämään samoja työtapoja kuin me: hakemaan lisätietoa, tallettamaan muistiinpanoja ja ajamaan pieniä komentosarjoja. Kuvittele pyytäväsi tekoälyä tiivistämään sata sivua raporttia. Tavallinen kielimalli yrittää ahtaa kaiken kerralla ”muistiinsa” ja alkaa horjua. Ihminen ratkaisisi ongelman tekemällä välitiivistelmiä, tallentamalla muistiinpanoja tiedostoihin ja palaamalla niihin. Mitä jos tekoäly voisi tehdä

tekoäly

Tavanomaiset testit kertovat, milloin kielimalli epäonnistuu – eivät miksi

Kuvittele, että kokeessa hyvä vastaus hylätään, koska oppilas unohti kirjoittaa yksikön. Sisältö on oikein, mutta muoto ei. Tietokoneille puhuvien kielimallien kohdalla näin käy jatkuvasti – eikä perinteinen pistetaulukko kerro, johtuiko hylky sisällöstä vai esitystavasta. Viime vuodet tekoälyä on verrattu pistelistoilla kuin urheilijoita: kuka yltää korkeimpaan tulokseen milläkin testillä. Näistä taulukoista näkee,

koulutus

Hyvin muotoiltu ohje tekee tekoälystä paremman kysyjän

Kun koulussa yleistyvä tekoäly osaa kysyä oikealla tavalla, oppija saa selkeämpiä, keskustelua tukevia ja ikätasolle sopivia jatkokysymyksiä – ja niitä voi kehittää nyt myös näytönvaraisesti, ei vain arvailemalla. Kuvittele peruskoululainen, joka on juuri tiivistänyt lukemansa tekstin. Ruudulla odottaa tekoäly, jonka pitäisi esittää jatkokysymys. Kysyykö se ympäripyöreästi “Mitä mieltä olit?”, vai ohjaako

tekoäly

Pelkkä pidempi muisti ei riitä tekoälylle, kun tieto on hajallaan

Uusi, poikkeuksellisen laaja testi vihjaa, että nykyiset kielimallit eivät vielä hallitse kokonaisia arkistoja – ja että toisenlainen tapa järjestää niiden työ voisi toimia paremmin. Moni tunnistaa tunteen: etsit yhtä lukua kymmenistä raporteista tai yhtä nimeä vuosien sähköposteista. Vastaus ei ole yhdessä kohdassa, vaan pilkottuna sinne tänne. Ihmiselle tämä on työlästä – tekoälylle

tekoäly

Faktojen ketjuttaminen voi opettaa tekoälyn perustelemaan paremmin

Kun kysyy tekoälyltä terveysaiheisen kysymyksen, vastaus tulee usein sujuvasti – mutta syy-seurausketju jää piiloon. Jos pyytää perustelemaan askel askeleelta, malli alkaa helposti hapuilla. Tämä on tuttu ristiriita: kielimallit loistavat matematiikan kaavoissa ja ohjelmointitehtävissä, mutta kompuroivat erikoisalojen monivaiheisessa päättelyssä. Viime vuodet ovat opettaneet yhden perusvireen: suurempi malli ja enemmän dataa tuottaa parempia

tekoäly

Lakikone voi olla oikeassa vääristä syistä

Vuokrasopimus kiristää, muutto houkuttaa. Kuka jaksaa etsiä lakikirjasta pykäliä, kun puhelimen ruudulla päivystää ystävällinen tekoäly, joka lupaa vastauksen sekunneissa: voinko irtisanoa sopimuksen etuajassa? Vastaus tulee sujuvasti – ja kuulostaa uskottavalta. Mutta onko se oikea, ja vielä tärkeämpää: perustuuko se päteviin perusteisiin? Viime vuosina olemme tottuneet arvioimaan tekoälyä suoraviivaisella mittarilla: montako vastausta

tekoäly

Generatiivinen tekoäly ei ole joka paikkaan: moniin tietokonehommiin on yhä parempi, varmempi työkalu

Moni on huomannut laiskistuneensa tietokoneen ääressä. Kun ennen etsimme valikosta oikean ohjelman, nykyisin avaamme yhden ja saman tekoälyikkunan ja pyydämme: lue tämä kuva, tarkista tämä väite, tee tästä yhteenveto. Se on kätevää – mutta onko se järkevää? Uusi arXivissa julkaistu artikkeli väittää, että helppous on alkanut syrjäyttää tehokkuuden. Tutkijat kutsuvat ilmiötä