CEO OpenAI визнає, що «трохи боїться» ChatGPT і каже, що бот «замінить» багатьох працівників

Усі статті, обговорення, новини про AI — в одному місці. Підписуйтеся на DOU | AI!

CEO OpenAI Сем Альтман зізнався, що «трохи боїться» ChatGPT і попередив, що той може «замінити» багато робочих місць, — пише Insider.

В інтерв’ю ABC News Сем Альтман сказав, що «люди повинні радіти», що компанія «трохи налякана» потенціалом штучного інтелекту.

Альтман також сказав, що штучний інтелект може замінити багато робочих місць, але він також може привести до «набагато кращих».

Також він «регулярно контактує» з урядовцями, і вважає, що регулятори та суспільство повинні бути залучені до розгортання ChatGPT. Зворотний зв’язок може допомогти приборкати будь-які негативні наслідки його широкого використання.

Минулого місяця підприємець попередив у серії твітів, що світ може бути «не таким вже й далеким від потенційно страшного» штучного інтелекту. У своїх твітах Альтман висловив підтримку регулюванню штучного інтелекту та сказав, що правила є «критично важливими», і суспільству потрібен час, щоб адаптуватися до «чогось такого великого».

👍ПодобаєтьсяСподобалось1
До обраногоВ обраному0
LinkedIn
Дозволені теги: blockquote, a, pre, code, ul, ol, li, b, i, del.
Ctrl + Enter
Дозволені теги: blockquote, a, pre, code, ul, ol, li, b, i, del.
Ctrl + Enter

Може я ще встигну заскочити у потяг AI. Вчуся DL.
По базі housepricedata скомпілював, фіт зробив.
А потім model.predict([[9550,7,5,756,1,0,3,7,1,642]])
1.0 видає, і взагалі завжди 1.0 видає, а мав би часом 0 давати

import pandas as pd
df = pd.read_csv(’housepricedata.csv’)
dataset = df.values
X = dataset[:,0:10]
Y = dataset[:,10]
from sklearn import preprocessing
min_max_scaler = preprocessing.MinMaxScaler()
X_scale = min_max_scaler.fit_transform(X)
from sklearn.model_selection import train_test_split
X_train, X_val_and_test, Y_train, Y_val_and_test = train_test_split(X_scale, Y, test_size=0.3)
X_val, X_test, Y_val, Y_test = train_test_split(X_val_and_test, Y_val_and_test, test_size=0.5)
print(X_train.shape, X_val.shape, X_test.shape, Y_train.shape, Y_val.shape, Y_test.shape)
from keras.models import Sequential
from keras.layers import Dense
model = Sequential([
Dense(32, activation=’relu’, input_shape=(10,)),
Dense(32, activation=’relu’),
Dense(1, activation=’sigmoid’),
])
model.compile(optimizer=’sgd’,
loss=’binary_crossentropy’,
metrics=[’accuracy’])
hist = model.fit(X_train, Y_train,
batch_size=32, epochs=100,
validation_data=(X_val, Y_val))

model.predict([[9550,7,5,756,1,0,3,7,1,642]])

Сем той ще 314здобол та токенбро скамер. Він може все що завгодно сказати якщо це підніме ціну його акцій на пару центів.

Щось у мене сумніви, що він когось заміне. Хіба що оптимізує трошки робочі місця, бо кожен офісний працівник зможе робити більше рутини. Думаю, що заява зроблена виключно в маркетингових цілях.

justcreateapp.com/...​03/GPT-4-Enhancements.jpg
незабаром з речами на віхід запросять професії згідно з першими за результатом тестами:
1 USABO — біологія (рослинознавці, краєзнавці, евгеніки)
2 GRE verbal — репортинг (PR, референти, редактори хронометріки = галузевих видань)
3 uniform bar — юриспруденція (адвокати, консультанти, судді)
4 sat ebrw — репортинг (активісти, ботофермачі, спамери)
5 lsat — юриспруденція (параюристи, поліціянти, депутати)

Є дані, по ним треба зробити прогноз. З цих даних зроблений набір у вигляді csv-файлу. Як оцінюється вдалість обробки-переробки даних в нейро-сіть?

Спершу тобі треба «навчити» нейромережу (підібрати коефіцієнти в матрицях) на відомих вхідних даних з відомим вихідним результатом. Після цього ти зможеш подати робочі данні і отримати якийсь результат.
Почни з якоїсь книги чи статті «Пишемо нейромережу на Python». Далі заглиблюйся, якщо воно тобі треба.

Читаю Learn Keras for Deep Neural Networks(Python)
Наскільки розумію, вдалість оцінюється функцією .evaluate(), основний показник accuracy. А як приблизно знати с початку кількість нейронів в першому hidden слої?
Звичайна послідовність compile->fit->evaluate->predict?
Тренувальний набір має вміщувати тестовий набір?дані_по_яким_треба_отримати_прогноз добавляються в тестовий перед визовом функції predict?

unbiased — значит, что весы к нейронам уже так подобраны, что баес не нужен для активации нейрона?

Поясніть будь ласка за deep learning. Мрію комусь освіченому в цій темі подзвонити і десь півгодинки його повипитувать.

Нужно еще больше хайпа! Особенно учитывая что денег уже ни у кого нет, банки лопаются, народ увольняют и голод перестал быть ненаучной фантастикой.
Скоро дойдем до разговоров о том, как чатгпт начал генерить порноконтент.

Скоро дойдем до разговоров о том, как чатгпт начал генерить порноконтент.

pornpen?

Чергова смішна спроба спроба виставити натреновану нейромережу як якийсь страшний та всемогутній AI. Вони навіть порушення статуту OpenAI — небажання відкривати код та моделі пояснюють цим «страхом»
Хоча пересічному споживачу таке заходить. Хайп є хайп.
От якраз цій організації принциповість та жорскті прочухани Маска б не зашкодили. Не за twitter треба було чіплятись

Типу щоб знайти спосіб як у кожне друге запитання вписати інформацію про Ілона Маска в контекст відповіді?

Ну взагалі Маск до цього теж причетний. Правда створювалась ця організація зовсім не для «дивись яку магію ми створили, я сам її боюсь».
Експеримент із хованками мабуть єдиний їхній адекватний ML проект (який мене доречі вразив більше ніж чат)

«Маска на вас нема!»
(спирається на палицю і смішно трясе кволим кулачком)

У Маска роботи + новий підрозділ по ШІ. Чекайте новий світ від людини без емпатії.

Ото у вас слушна ідея. Навіщо Маску володіти безліччю двигунів, якщо він наливає в них пальне?

З огляду на те, що сучасні моделі інтерполюють існуюче текстове пространство, Маску достатньо контролювати статистичний ансамбль тексту, щоб збільшити імовірність певного результату. Тобто, якщо казати моделі: «халва, халва, халва,»- то вона напише: «сладко». Самий дешевший засіб багато раз повторити одне то саме безглуздя то розповсюджувати ретвіти, яки начебто були перевірені людьми. Через це й весь кіпіш з фейк акаунтами. Вони знецінюють інститут валідації ретвітнутої інфи.

А які нові професії з’являться?

Даних до цього питання ще недостатньо. Можна тільки спекулювати.

Моя особиста думка, що то є динамічний феномен. Спочатку не буде ніяких особливо інших професій. Потім повільно з’являться спекулятори та експлоратори:

Спекулятори — то розмаїття діячів творчої праці. Їх основні інструменти: 1) асоціативні зв’язки між феноменальними підпросторами. Тобто те, що зараз міститься у методах аналогій. 2) екстраполяції; 3) інтроверт поведінка. А саме, головною працю буде побудування моделей буття з предиктивною силою поза межі відомого. Конкурентна перевага: експлуатувати феномени, які ШІ не може охопити (самостійно). Це переважно будуть люди підпілля та опозиції.

Експлоратори — то розмаїття діячів пошукової праці, але не у сенсі наукової, а більш у сенсі туристичної, на кшталт чемпіонів пригод. Їх основними інструментами будуть: 4) бажання особисто відвідати щось за межою відомого, 5) вміння спостерігати та відрізняти «більше відтінків», 6) екстраверт поведінка. А саме, головною працею буде валідація існуючих моделей, як інтерполяційного характеру (туристи), так і екстраполяційного характеру (мандрівники). Конкурентна перевага: бути сенсорною периферією для ШІ. Це переважно будуть люди мейнстриму, агенти «Скайнету».

Підписатись на коментарі