Проблемы и ошибки машинного обучения, нейронных сетей (нейросетей), глубокого обучения

Обнаружена новая слабость нейронок. Если раньше проблемы были с пальцами, нейросети не могли нормально нарисовать руку, то сейчас оказалось, что нейросеть не понимает, как люди чистят зубы.

Этот процесс изображают весьма странно, ИИ думает, что у людей не рот, а фонтан какой-то

Исследователи выяснили, что большие языковые модели, такие как GPT-4o и Claude, не могут правильно подсчитать число букв «r» в слове «strawberry». Они выдают ответ, что эта буква встречается в слове дважды, а не трижды.

Пользователи ChatGPT, Meta AI и Gemini начинают замечать, что с течением времени ответы этих моделей становятся все менее точными и, иногда, просто ошибочными. Замечено, что ответы могут выглядеть “глупее”, а модели - более “ленивыми”.

Энтузиаст из США обнаружил, что футболка с изображением знака Stop может останавливать беспилотные такси. Роботизированная система автомобилей Waymo воспринимает стоящего на обочине человека с большим знаком Stop на груди в качестве дорожного знака.

Ответ на этот вопрос ищет студент института математики интеллектуальных систем КГУ Алексей Митрофанов. Он изучает галлюцинации ChatGPT-4.

Вот это фото в письме счастья стоило голландцу Тиму Хансену €380 штрафа. Потому что ИИ автоматической камеры на дороге распознал, что мужчина за рулём автомобиля использует мобильный телефон. А телефона в руке нет, чел просто чесал висок.

Разумеется, Тим решил оспорить штраф.

Появилась атака на искусственный интеллект под названием «отравление данных» (data poisoning). Она затронула Midjourney и DALL-E, которые иногда стали возвращать неожиданные результаты.

Apoploe vesrreaitais и другие «особенности» ИИ, от которых у дата-сайентистов вскипают мозги.

Интернет заполняет контент, созданный с помощью искусственного интеллекта. Это может стать плохой новостью для будущих моделей ИИ. Языковые модели обучаются на основе контента, найденного в интернете. По мере того как AI создает все больше "синтетического" контента, может возникнуть инженерная проблема, известная как "коллапс модели".

Новости о достижениях нейронных сетей появляются практически каждый день — ChatGPT, Midjourney и другие являются суперпопулярными историями в Google Trends. Нейронные сети, похоже, стали всемогущими и могут заменить людей на рабочих местах.

За последнее время мы стали свидетелями бурного развития нейросетей. Особую популярность приобрели программы, которые генерируют изображения из текстового запроса или совмещают графические объекты. Эта технология активно используется и в метавселенных.

Исследователи из Стэнфордского университета и Университета Райса обнаружили проблемы в генеративных моделях искусственного интеллекта, таких как знаменитые ChatGPT или Midjourney. Модели, обучаемые на данных, сгенерированных ИИ, будь то тексты или изображения, имеют тенденцию «сходить с ума» после пяти циклов обучения. 

Работа, проделанная в SERI-MATS  Джессикой Рамбелоу и Мэтью Уоткинсом.

TL;DR

Аномальные токены: таинственный режим сбоя для GPT (который надежно оскорбил Мэтью)

В университете Мэриленда придумали «свитер-невидимку» — он делает человека незаметным для систем распознавания лиц. Принт с размытым изображением людей на базаре обманывает модели машинного обучения, и обладатель пуловера может скрыться от искусственного интеллекта.

Искусственный интеллект в последнее время активно применяется в сфере кибербезопасности. Новейшие разработки в области ИИ используются по обе стороны киберфронта.

Любому очевидно, что ниже показаны три совершенно разные картинки: птица, собака и лошадь. Но с точки зрения алгоритма машинного обучения, все три могут восприниматься как одинаковые: ведь на каждом из них есть белый квадратик в черной рамке.

Вы узнаете, как можно обмануть нейронную сеть, но будьте бдительны и не дайте ввести в заблуждение себя.

Дело в том, что лектор в некоторых местах лекции вместо «верх» говорит «низ», вместо «красный» говорит «белый". И наоборот. Хотя по контексту всё понятно — не пугайтесь. )))))

Нейросеть DALL-E способна создавать изображения по текстовым описаниям. Сейчас же разработчики представили обновленную DALL-E 2, умеющую редактировать уже готовые картинки.

Новая технология работает по тому же принципу, что и адаптивная иммунная система человека.

Во многих популярных курсах машинного и глубокого обучения вас научат классифицировать собак и кошек, предсказывать цены на недвижимость, покажут еще десятки задач, в которых машинное обучение вроде как отлично работает. Но вам расскажут намного меньше (или вообще ничего) о тех случаях, когда ML-модели не работают так, как ожидалось.

Исследователи из лаборатории машинного обучения OpenAI обнаружили, что даже самые продвинутые системы компьютерного зрения можно без труда обмануть, имея под рукой лишь ручку и блокнот.

Лучшие доклады Moscow Python 2018

Предлагаем изучить 4 лучших доклада с прошедших конференций для программистов и разработчиков

1. Как защитить алгоритм машинного обучения от Adversarial-примеров

2. Pylint изнутри. Как он это делает / Максим Мазаев (ЦИАН)

3. 50 оттенков celery / Олег Чуркин (TechOps)

Инструмент Google Cloud Vision, который с использованием машинного обучения помогает определить, что изображено на картинке, попал в неловкую ситуацию.

Ему показывают картинку, а он не может определиться, утка там или кролик. Может, объяснить ему, что такое оптическая иллюзия?

В результате абсурдного скандала,связанного с чернокожими,сервис Google Photo больше не поддерживает запросы«горилла», «шимпанзе» и «макака». Что это — тонкий троллинг или несовершенство машинных алгоритмов обучения?

С чего все началось

В первой статье мы успели осознать, как легко и непринужденно ИИ впитывает человеческие предрассудки в логику своих моделей. Как я и обещала, выкладываю вторую часть перевода, в которой мы разберемся, как измерить и ослабить влияние расизма в ИИ с помощью простых методов.