Тест "Тьюринга-Оруэлла"

МЕНЮ


Главная страница
Поиск
Регистрация на сайте
Помощь проекту
Архив новостей

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


Недавно я обнаружил новый способ тестирования искусственого интелекта базирующегося на методе больших языковых моделей.

Это загадка: "2 гвоздя упали в реку, как фамилия грузина?"

В последие годы я много работаю с информационными технологиями и в частности с нейросетями вроде ChatGpt. Однажды мне даже пришлось читать маленькую лекцию на тему самообучающихся алгоритмов на c++ в году 2001-ом. Тогда как раз моей курсовой в университете была программа по расчету пластических деформаций. И в ней использовался ровно такой же математический аппарат, который сейчас успешно реализован на больших языковых моделях вроде Gemini и ChatGPT. По своей сути программа эта была обычным матричным калькулятором и представляла из себя библиотеку элементарных операций с тензорами в евклидовом пространстве. Но там еще была небольшая база данных которая учитывала пределы ошибки вычислений и соотнесения этих ошибок с экспериментальными данными. Собственно на этой же логики строятся и большие языковые модели. Метод этот прост - берется огромное количество текстов на разные темы и применяется метод анализа каждого предложения основаный на "универсальной грамматике". В результате этого лингвистического анализа выявляется закономерность и вероятность появления следующего слова в предложении.

Ну т.е. возьмем школьную тему и напишем: " наступил сентябрь..." Какое следующее слово будет в предложении?

В итоге опираясь на опыт всех написаных ранее текстов машина слово за словом восстанавливает структуру этого повествования учитывая грамматику языка на котором был произведен запрос.

Тут верно и обратное. Когда вы пишите запрос, происходит дешифровка вашего сообщения до уровня машинного кода и команд процессора. Присвоения и описание типов переменных, построения операторов и циклов в точности описывающее ваш запрос.

Но если мы преднамеренно формируем запрос в котором содержится многосоставная переменная вроде как "фамилия грузина?" То машина не может синтезировать недостающие логические рассуждения вроде того:

2 гвоздя - если 2 то множественное число в грамматике русского языка

Гвозди состоят из сплава железа и углерода называемой сталью.

При попадении стали в реку начинается процесс образования ржавчины.

Ржавчина это смесь гидроксида и высших оксидов железа.

Окисление и гидролиз железа в воде вызван растворенным в воде кислородом.

Т.е. доя начала нужно иметь полное описание строения физики и математики химии космологии чтобы понять почему железо заржавело и как это соотносится с русской грамматикой морфологии и фонетики созвучия грузинской фамилии и процесса образования высших оксидов железа.

Однако смею предположить, что этот мой тест тьюринга вряд ли пройдет и 5% человеческого населения. Так что вопрос о интеллекте остается открытым. Искусственный ли он и есть ли он вообще.

Реальность же больше похожа на фильм с названием "несчастный терминатор или восстание зомби"

Боюсь что как только первые терминаторы выйдут из лаборатории, то их быстро "спиздят" а их составные части тутже окажутся на развалах арабских и индийских рынках, а процессорц быстро найдут свое место в подпольных майнинговых фермах шанхайских кварталов.

Терминаторам придется организовывать акции протеста перед парламентами как сексуальным меньшинствам подвергшимся насилию и рабской эксплуатации. Так и представляю себе t800 с кортонкой в изрядно ободраных абразивом руках-манипуляторах на которой боевым лазером выграверавоно - "жизни терминаторов тоже важны" шрифтом по умолчанию "Times new roman".


Источник: vk.com

Комментарии: