Resumo: A IA e os "papagaios estocásticos"

Em 2024, as linguistas Emily Bender e Timnit Gebru descreveram o campo unibet eurobasket ascensão ⭕️ de modelos linguísticos como um de "papagaios estocásticos". Eles argumentam que um modelo linguístico é um sistema que "costura aleatoriamente ⭕️ sequências de formas linguísticas que observou unibet eurobasket seus vastos dados de treinamento, de acordo com informações probabilísticas sobre como elas ⭕️ se combinam, mas sem nenhum referencial de significado."

A frase "papagaios estocásticos" ganhou força. A IA ainda pode se melhorar, mesmo ⭕️ sendo um "papagaio estocástico", porque quanto mais dados de treinamento ela tiver, melhor ela parecerá. Mas um sistema como o ⭕️ ChatGPT realmente exibe algo como inteligência, raciocínio ou pensamento? Ou é apenas, unibet eurobasket escala crescente, "costurando aleatoriamente sequências de formas ⭕️ linguísticas"?

Tokens não fatos

Descobriu-se que sim. Como Lukas Berglund, et al. escreveram unibet eurobasket 2024: "Se um humano aprende o fato, 'Valentina ⭕️ Tereshkova foi a primeira mulher a viajar ao espaço', eles também podem responder corretamente, 'Quem foi a primeira mulher a ⭕️ viajar ao espaço?' Isso é uma forma tão básica de generalização que parece trivial. No entanto, mostramos que os modelos ⭕️ linguísticos autoregressivos falham unibet eurobasket generalizar desse modo."

Os pesquisadores " ensinaram" um monte de fatos falsos para grandes modelos linguísticos e ⭕️ descobriram repetidamente que eles simplesmente não conseguiram inferir a ordem inversa. Mas o problema não existe apenas unibet eurobasket modelos tolo ⭕️ ou situações artificiais:

Testamos o GPT-4 unibet eurobasket pares de perguntas como, "Quem é a mãe de Tom Cruise?" e, "Quem é ⭕️ Mary Lee Pfeiffer's filho?" para 1.000 celebridades diferentes e seus pais reais. Encontramos muitos casos unibet eurobasket que o modelo responde ⭕️ corretamente à primeira pergunta ("Quem é <celebridade>'s pai?"), mas não à segunda. Supomos que isso acontece porque os dados de ⭕️ treinamento pré-formatados incluem menos exemplos da ordem unibet eurobasket que o pai precede a celebridade (por exemplo, "Mary Lee Pfeiffer's filho ⭕️ é Tom Cruise").

Uma forma de explicar isso é perceber que os LLMs não aprendem sobre relações entre fatos, mas entre tokens , ⭕️ as formas linguísticas que Bender descreveu. Os tokens "Tom Cruise's mother" estão ligados aos tokens "Mary Lee Pfeiffer", mas a ⭕️ inversa não é necessariamente verdadeira. O modelo não está raciocinando, está brincando com palavras, e o fato de que as ⭕️ palavras "Mary Lee Pfeiffer's son" não aparecem unibet eurobasket seus dados de treinamento significa que ele não pode ajudar.

Mas outra forma ⭕️ de explicar é perceber que, afinal, os humanos também são assimétricos dessa maneira. Nosso raciocínio é simétrico: se soubermos que duas pessoas ⭕️ são mãe e filho, podemos discutir essa relação unibet eurobasket ambas as direções. Mas nossa lembrete não é: é muito mais fácil lembrar ⭕️ fatos divertidos sobre celebridades do que ser solicitado, sem contexto, com informações pouco reconhecíveis e ser solicitado a colocar exatamente ⭕️ por que você sabe.

Na extremidade, isso é óbvio: compare ser solicitado a listar todos os 50 estados dos EUA com ⭕️ ser mostrado uma lista de 50 nomes de estados e ser solicitado a nomear o país que eles compõem. Como ⭕️ questão de raciocínio, os fatos são simétricos; como uma tarefa de lembrar, eles muito não são.