Serio, LLM, Agentic AI e tutti questi strumenti Generative AI sono cool, e sono utili per alcuni casi di utilizzo. Dobbiamo svegliarci, tuttavia, perché ci sono alcune gravi esagerazioni e concezioni sbagliate che fluttuano là fuori che stanno causando gravi problemi. 1️⃣ I grandi modelli linguistici (LLM) sono la base del "Universal Solver" che può trovare soluzioni a qualsiasi problema. I LLM sono super potenti nella generazione di contenuti, ma sono (nel loro nucleo) solo modelli di previsione statistiche che scelgono quale sia il prossimo "token" - non c'è alcuna comprensione legittima, ragionamento vero o comprensione causale dietro a questi modelli, non importa chi cerca di dirti altrimenti. ❌ WRONG! Il benchmark come Mostra che i modelli più popolari hanno un punteggio inferiore al 50% su compiti facili per gli esseri umani, dimostrando che sono predittori statistici, non solver onniscienti. Questa concezione sbagliata deriva dall'hype intorno alle "abilità emergenti", ma dalle leggi di scala (ad esempio, Indicare i rendimenti in diminuzione senza cambiamenti architettonici fondamentali. ARC (Abbrazione e ragionamento corpus) https://arcprize.org/leaderboard Carta di Chinchilla 2️⃣ L’IA generativa è il percorso verso l’intelligenza artificiale generale (AGI) o la superintelligenza artificiale (ASI). Il suo compito principale è la imitazione: imparare a guardare e suonare convincentemente come i dati su cui è stato addestrato. può fare alcuni trucchi impressionanti, come analizzare il contenuto delle foto e riferirlo al suo set di dati di formazione, ma questo è tutto ridotto a matematica e statistiche invece di concetti oggettivi. ❌ WRONG! Considerare anche che l'intelligenza generale richiede intelligenza emotiva, e le emozioni sono qualcosa che gli attuali modelli di AI non sono molto bravi in esso. Se vogliamo intelligenza a livello umano, o meglio, abbiamo bisogno di molto più miglioramento con l'intelligenza emotiva artificiale. Gli esseri umani a volte usano fino al 90% delle emozioni quando prendono determinate decisioni 3️⃣ I modelli AI generativi pensano e imparano come gli esseri umani. Tutti i dati multimodali, come immagini, musica, ecc., devono essere elaborati e convertiti in un formato ottimizzato per i modelli per usarli.Abbiamo appena iniziato a costruire sistemi che possono raccogliere automaticamente nuovi dati e metterli in un processo per incorporarsi in se stessi, ma il processo non è come il funzionamento del cervello umano. ❌ WRONG! 4️⃣ L'IA generativa democratizza la creatività, in modo che tutti possano essere creativi ora. GenAI sa solo come remixare i dati di formazione probabilisticamente! Se hai addestrato un modello di immagine utilizzando solo i dati dei dipinti di Salvador Dali, sarebbe in grado di generare un'arte che sembra e "riempie" il paradigma artistico dello stile di Dali. Il fine-tuning di un modello generale con l'arte di Dali porta a una soluzione leggermente meno efficace alla stessa sfida, ma si mescola in un po 'di lavoro di altre persone. È certamente vero che GenAI consente alle persone senza formazione artistica di generare nuove opere d'arte. Questo è grande per alcuni casi di utilizzo come il contenuto di marketing. Le immagini generate rapidamente sembrano impressionanti, e un caso può essere fatto che "creare un'immagine di parola" con un buon prompt può essere creativo, ma alla fine questo è un corto 👎 👍 Not exactly. 5️⃣ “Generative AI” è sicuro e imparziale; dovremmo usarlo il più possibile. Non esiste un modello di intelligenza artificiale imparziale. L'industria è anche in tale fretta di consegnare nuovi modelli più velocemente e più velocemente che non stanno facendo tanto test quanto dovrebbero. Gli esempi perfetti di questo sono intorno ai giovani che sviluppano relazioni con chatbots AI, che non capiscono veramente le emozioni, e possono solo ripetere i modelli dalle chat di altre persone e dai documenti di formazione. I LLM hanno anche allucinazioni, dove compongono risposte (in realtà, "scegliono" quasi casualmente dai concetti perché non hanno buone scelte probabilistiche), ma non cercano di farti sapere. Questo significa che molte persone saranno ingannate a pensare che queste risposte siano corrette quando, in realtà, sono molto sbagliate. Alcune tecnologie aiutano con questo (RAG, MCP ❌ DANGEROUS! Pensate che questo non possa essere pericoloso per voi o per gli altri? Che dire dei giovani che hanno "parlato" con i modelli di intelligenza artificiale sul suicidio e hanno ricevuto consigli, come se fossero fornendo consigli per la salute mentale? Questi tipi di casi di utilizzo vengono lavorati solo dopo che causano problemi con gli utenti. Questo è un esempio classico di tentativo di utilizzare la tecnologia per casi di utilizzo quando non c'è esperienza coinvolta. Questo è molto pericoloso e non conosceremo i problemi che può causare finché non accade. Come possiamo adattarci e evitare questi errori? Non fidarti dell’IA per nutrirti delle tue idee originali.Tu porti le cose buone e lascia che l’AI faccia la redazione/il raffinamento (sono grandi in questo!). ✅ Ultimo umano. Non accettare mai semplicemente ciecamente il risultato come completo. Triplice controllo di tutto per assicurarsi che non abbia errori! Anche le foto, i video e la musica generati possono essere inviati a un'IA e avere una valutazione fatta per la rilevazione / confronto con opere protette dai diritti d'autore. ✅ Sii orgoglioso di ciò che fai.La tua specializzazione è ciò che ti rende straordinario.Se non sei bravo in qualcosa, utilizzare l'IA (umano prima e ultimo!) è ok, a condizione che non si ottiene una grande testa su di te essere il produttore di quel lavoro... D'altra parte, dovresti essere orgoglioso di creare il lavoro che utilizza le tue competenze specialistiche di base. ✅ Parla dell'area grigia.Quando qualcosa sembra aver attraversato la linea di integrità e di proprietà a causa dell'uso di AI, parla di questo con il tuo team, la gestione o gli esperti del settore! Quindi cosa ne pensate? mi mancano i grandi qui? non siete d'accordo? siate liberi di impegnarmi su X o LinkedIn.

This story contains new, firsthand information uncovered by the writer.

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

Read My Stories

Questo audio è prodotto nella lingua originale della storia!

⭐️Calling All Brains! ⭐️ GenAI Misconceptions!

About Author

COMMENTI

CARTELLINI

QUESTO ARTICOLO È STATO PRESENTATO IN

Related Stories

Raggiungi più lettori! POTENZIA la tua storia su HackerNoon

How to Mint Your Name.HackerNoon Web3 Identity Namespace

The Fall of OM by Mantra DAO: Accident or Pattern?

Netflix Brings Out the Big Guns

Raggiungi più lettori! POTENZIA la tua storia su HackerNoon

How to Mint Your Name.HackerNoon Web3 Identity Namespace

The Fall of OM by Mantra DAO: Accident or Pattern?

Netflix Brings Out the Big Guns

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps