cassinos que da giros grátis ao se cadastrar

Resumo: A IA e os "papagaios estocásticos"

Em 2024, as linguistas Emily Bender e Timnit Gebru descreveram o campo cassinos que da giros grátis ao se cadastrar 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 cassinos que da giros grátis ao se cadastrar 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, cassinos que da giros grátis ao se cadastrar escala crescente, "costurando aleatoriamente sequências de formas ♣ linguísticas"?

Tokens não fatos

Descobriu-se que sim. Como Lukas Berglund, et al. escreveram cassinos que da giros grátis ao se cadastrar 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 cassinos que da giros grátis ao se cadastrar 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 cassinos que da giros grátis ao se cadastrar modelos tolo ♣ ou situações artificiais:

Testamos o GPT-4 cassinos que da giros grátis ao se cadastrar 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 cassinos que da giros grátis ao se cadastrar 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 cassinos que da giros grátis ao se cadastrar 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 cassinos que da giros grátis ao se cadastrar 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 cassinos que da giros grátis ao se cadastrar 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.