Dok tvrtke nastavljaju ulagati sve više napora u AI kako bi poboljšale tehnologiju, znanstvenici su naizgled došli do otkrića koje bi moglo zamijeniti generativne sposobnosti AI-a.
Prema izvješću u Natureu , znanstvenici tu tehniku nazivaju metaučenjem za kompoziciju (MLC). Nadalje su naznačili da tehnika ima sposobnost generaliziranja jezika. Štoviše, znanstvenici tvrde da bi sustav mogao biti jednako dobar kao i ljudi, posebno kada koristi nove riječi i primjenjuje ih u različitim okruženjima i kontekstima, što u konačnici predstavlja iskustvo slično ljudskom razgovoru.
Kada je tehnika stavljena na test i u usporedbi s ChatGPT-om (koji koristi tehnologiju neuronske mreže za razumijevanje i generiranje teksta na temelju korisničkih upita), znanstvenici su zaključili da je MLC značajno bolji. To je unatoč činjenici da chatbotovi kao što su ChatGPT i Bing Chat mogu komunicirati na ljudski način i služiti kao pomoćnici pokretani umjetnom inteligencijom.
Prema izvješću Naturea, postoji ogromna mogućnost da bi novi dizajn dugoročno mogao nadmudriti chatbotove koje pokreće AI jer može prirodnije komunicirati s ljudima u usporedbi s postojećim sustavima. Gledajući unatrag, Microsoftov Bing Chat uočen je kako “priča glupostii” tijekom prvih dana, iako je problem ubrzo riješen.
Kao što je gore istaknuto, neuronska mreža je vrsta umjetne inteligencije sa sposobnošću savijanja novih riječi i njihove upotrebe u različitim okruženjima poput razgovora. Jedina je razlika u tome što tehnologija prvo mora proći snažnu obuku kako bi svladala riječ i kako je koristiti u različitim okruženjima.
Kako bi utvrdili sposobnost tehnologije, znanstvenici su proveli nekoliko testova na ljudima izlažući ih novim riječima i procjenjujući njihovo razumijevanje koliko dobro mogu koristiti riječi u različitim kontekstima. Također su testirali svoju sposobnost povezivanja novonaučenih riječi s određenim bojama. Prema zajedničkom mjerilu, 80% ljudi koji su sudjelovali u vježbi bili su izvrsni i mogli su povezati riječi s bojama.
Znanstvenik je koristio istu premisu za treniranje neuronske mreže. Međutim, konfigurirali su ga da uči na vlastitim pogreškama. Cilj je bio omogućiti sustavu da uči iz svakog zadatka koji je dovršio, umjesto da koristi statične podatke. Kako bi osigurali da neuronska mreža prikazuje ljudske karakteristike, znanstvenici su istrenirali model da reproducira slične pogreške onima koje su napravili oni koji su radili sličan test. U konačnici, to je omogućilo neuronskoj mreži da odgovori na svježu hrpu pitanja gotovo (ako ne i savršeno) poput ljudi.
Iako je impresivna, generativna umjetna inteligencija suočava se s blagim neuspjehom. Na primjer, pretjerani trošak koji je potreban za održavanje, ne zaboravljajući količinu vode za hlađenje i energije koju troši. Također postoje izvješća o OpenAI-jevom chatbotu koji pokreće AI, ChatGPT-u, koji gubi točnost i njegova korisnička baza opada tri mjeseca zaredom . Tržišni udio Bing Chata također je stagnirao unatoč velikim Microsoftovim ulaganjima u tehnologiju.
