هفته در هوش مصنوعی: هوش مصنوعی مولد هرزنامه های وب را منتشر می کند

همگام شدن با صنعتی که به سرعت هوش مصنوعی در حال حرکت است، امری دشوار است. بنابراین تا زمانی که یک هوش مصنوعی بتواند این کار را برای شما انجام دهد، در اینجا خلاصه‌ای مفید از داستان‌های اخیر در دنیای یادگیری ماشین، همراه با تحقیقات و آزمایش‌های قابل‌توجهی است که به تنهایی پوشش نداده‌ایم.

این هفته، SpeedyBrand، شرکتی که از هوش مصنوعی مولد برای ایجاد محتوای بهینه‌شده برای سئو استفاده می‌کند، با پشتیبانی Y Combinator از پنهان کاری بیرون آمد. هنوز بودجه زیادی جذب نکرده است (2.5 میلیون دلار) و پایگاه مشتریان آن نسبتاً کوچک است (حدود 50 برند). اما باعث شد به این فکر کنم که چگونه هوش مصنوعی مولد شروع به تغییر ساختار وب کرده است.

همانطور که جیمز وینسنت از The Verge در مقاله اخیر خود نوشت، مدل‌های هوش مصنوعی تولیدی، تولید محتوای با کیفیت پایین‌تر را ارزان‌تر و آسان‌تر می‌کنند. Newsguard، شرکتی که ابزارهایی برای بررسی منابع خبری ارائه می‌کند، صدها سایت تبلیغاتی را با نام‌های عمومی که حاوی اطلاعات نادرست ایجاد شده با هوش مصنوعی مولد هستند، افشا کرده است.

برای تبلیغ کنندگان مشکل ایجاد می کند. به نظر می‌رسد بسیاری از سایت‌های مورد توجه Newsguard منحصراً برای سوء استفاده از تبلیغات برنامه‌ریزی شده یا سیستم‌های خودکار برای قرار دادن تبلیغات در صفحات ساخته شده‌اند. Newsguard در گزارش خود نزدیک به 400 مورد از تبلیغات از 141 برند بزرگ را پیدا کرد که در 55 سایت خبری ناخواسته ظاهر شدند.

فقط تبلیغ کنندگان نیستند که باید نگران باشند. همانطور که Kyle Barr از Gizmodo اشاره می کند، ممکن است فقط یک مقاله تولید شده توسط هوش مصنوعی لازم باشد تا کوه های تعامل را ایجاد کند. و حتی اگر هر مقاله تولید شده توسط هوش مصنوعی فقط چند دلار درآمد داشته باشد، در وهله اول کمتر از هزینه تولید متن است – و پول تبلیغات احتمالی به سایت‌های قانونی ارسال نمی‌شود.

پس راه حل چیست؟ یکی هست؟ این یک جفت سوال است که به طور فزاینده ای مرا شب ها بیدار نگه می دارد. بار پیشنهاد می‌کند که بر موتورهای جستجو و پلتفرم‌های تبلیغاتی واجب است که کنترل دقیق‌تری داشته باشند و بازیگران بدی را که از هوش مصنوعی مولد استقبال می‌کنند مجازات کنند. اما با توجه به سرعت حرکت میدان – و ماهیت بی‌نهایت مقیاس‌پذیر هوش مصنوعی مولد – من متقاعد نشده‌ام که آن‌ها بتوانند به همین روند ادامه دهند.

البته محتوای اسپم پدیده جدیدی نیست و پیش از این نیز موج هایی وجود داشته است. وب سازگار شده است. چیزی که این بار متفاوت است این است که مانع ورود به طور چشمگیری کم است – هم از نظر هزینه و هم از نظر زمانی که باید سرمایه گذاری شود.

وینسنت لحن خوشبینانه ای به زبان می آورد و به این معنی است که اگر وب است در نهایت با غلبه بر آشغال های هوش مصنوعی، می تواند توسعه پلتفرم های با بودجه بهتر را تحریک کند. من خیلی مطمئن نیستم. با این حال، چیزی که شکی نیست این است که ما در یک نقطه عطف هستیم و تصمیماتی که اکنون در مورد هوش مصنوعی مولد و خروجی های آن گرفته می شود، برای مدتی آینده بر عملکرد وب تأثیر می گذارد.

در اینجا دیگر داستان های قابل توجه هوش مصنوعی در چند روز گذشته آورده شده است:

OpenAI به طور رسمی GPT-4 را راه اندازی کرد: OpenAI این هفته در دسترس بودن عمومی GPT-4، آخرین مدل تولید متن خود را از طریق API پولی خود اعلام کرد. GPT-4 می‌تواند متن (شامل کد) تولید کند و ورودی‌های تصویر و متن را بپذیرد – بهبودی نسبت به GPT-3.5، نسخه قبلی که فقط متن را می‌پذیرفت – و در معیارهای مختلف حرفه‌ای و آکادمیک در “سطح انسانی” عمل می‌کند. اما همانطور که در پوشش قبلی خود اشاره کردیم، کامل نیست. (در همین حین پذیرش ChatGPT کاهش یافته است، اما خواهیم دید.)

تحت کنترل درآوردن هوش مصنوعی فوق هوشمند: در دیگر اخبار OpenAI، این شرکت در حال تشکیل تیم جدیدی به رهبری Ilya Sutskever، دانشمند ارشد خود و یکی از بنیانگذاران OpenAI است تا راه‌هایی برای هدایت و کنترل سیستم‌های هوش مصنوعی «فوق‌هوشمند» ایجاد کند.

قانون ضد تعصب برای نیویورک: پس از ماه‌ها تأخیر، شهر نیویورک این هفته اجرای قانونی را آغاز کرد که کارفرمایان را ملزم می‌کند از الگوریتم‌هایی برای استخدام، استخدام یا ارتقای کارمندان استفاده کنند تا آن الگوریتم‌ها را برای ممیزی مستقل ارائه کنند – و نتایج را عمومی کنند.

Valve به طور ضمنی به بازی های تولید شده توسط هوش مصنوعی چراغ سبز نشان می دهد: Valve پس از ادعای رد بازی های دارای دارایی های تولید شده توسط هوش مصنوعی از فروشگاه بازی های Steam خود، بیانیه نادری صادر کرد. این توسعه دهنده مشهور گفت که سیاستش در حال تحول است و موضعی علیه هوش مصنوعی ندارد.

Humane از Ai Pin رونمایی کرد: Humane، استارت آپی که توسط دو طراح و مهندسی سابق اپل، Imran Chaudhri و Bethany Bongiorno راه اندازی شد، این هفته جزئیاتی را درباره اولین محصول خود فاش کرد: Ai Pin. همانطور که به نظر می رسد، محصول Humane یک گجت پوشیدنی با نمایشگر پیش بینی شده و ویژگی های مجهز به هوش مصنوعی است – مانند یک تلفن هوشمند آینده نگر، اما در شکل بسیار متفاوتی.

هشدارها در مورد مقررات هوش مصنوعی اتحادیه اروپا: بنیانگذاران بزرگ فناوری، مدیران عامل، VCها و غول های صنعت در سراسر اروپا این هفته نامه سرگشاده ای را به کمیسیون اتحادیه اروپا امضا کردند و هشدار دادند که اگر اتحادیه اروپا قوانینی را برای سرکوب نوآوری تصویب کند، اروپا ممکن است انقلاب مولد هوش مصنوعی را از دست بدهد.

کلاهبرداری Deepfake باعث می شود: وارسی این کلیپ مارتین لوئیس، قهرمان امور مالی مصرف کننده بریتانیا، ظاهراً فرصت سرمایه گذاری با حمایت ایلان ماسک را فراهم کرده است. طبیعی به نظر می رسد، درست است؟ نه دقیقا. این یک دیپ فیک تولید شده توسط هوش مصنوعی است – و به طور بالقوه نگاهی اجمالی از بدبختی ایجاد شده توسط هوش مصنوعی است که به سرعت بر روی صفحه نمایش ما شتاب می گیرد.

اسباب بازی های جنسی مجهز به هوش مصنوعی: Lovense – که شاید بیشتر به خاطر اسباب بازی های جنسی قابل کنترل از راه دور معروف است – این هفته ChatGPT Pleasure Companion خود را معرفی کرد. “Advanced Lovense ChatGPT Pleasure Companion” که به صورت بتا در برنامه کنترل از راه دور این شرکت راه اندازی شد، از شما دعوت می کند تا در داستان های شاداب و وابسته به عشق شهوانی که Companion بر اساس موضوع انتخابی شما ایجاد می کند، لذت ببرید.

سایر یادگیری های ماشینی

جمع بندی تحقیقاتی ما با دو پروژه بسیار متفاوت از ETH زوریخ آغاز می شود. اول aiEndoscopic، یک spinoff انتوباسیون هوشمند است. لوله گذاری برای بقای بیمار در بسیاری از شرایط ضروری است، اما این یک روش دستی پیچیده است که معمولا توسط متخصصان انجام می شود. IntuBot از بینایی کامپیوتری برای تشخیص و پاسخ دادن به تغذیه زنده از دهان و گلو، هدایت و اصلاح موقعیت آندوسکوپ استفاده می کند. این می تواند به افراد اجازه دهد تا در صورت نیاز به جای اینکه منتظر متخصص باشند، به طور ایمن لوله گذاری کنند و به طور بالقوه جان افراد را نجات دهد.

در اینجا آنها آن را با کمی جزئیات بیشتر توضیح می دهند:

در حوزه‌ای کاملاً متفاوت، محققان ETH زوریخ نیز با پیشگامی در فناوری مورد نیاز برای متحرک کردن دود و آتش بدون گرفتار شدن در پیچیدگی فراکتال دینامیک سیالات، به صورت دست دوم به یک فیلم پیکسار کمک کردند. رویکرد آنها توسط دیزنی و پیکسار برای فیلم Elemental مورد توجه قرار گرفت و بر اساس آن ساخته شد. جالب اینجاست که این یک راه حل شبیه سازی نیست بلکه یک راه حل انتقال سبک – یک میانبر هوشمندانه و ظاهراً بسیار ارزشمند است. (تصویر بالا از این است.)

هوش مصنوعی در طبیعت همیشه جالب است، اما هوش مصنوعی طبیعت همانطور که در باستان‌شناسی به کار می‌رود، حتی بیشتر از این جالب است. پژوهشی که توسط دانشگاه یاماگاتا انجام شد، با هدف شناسایی خطوط جدید ناسکا – «ژئوگلیف‌های» عظیم در پرو انجام شد. ممکن است فکر کنید که از مدار قابل مشاهده هستند، بسیار واضح هستند – اما فرسایش و پوشش درختان از هزاره‌های سال از زمان ایجاد این تشکل‌های اسرارآمیز به این معنی است که تعداد ناشناخته‌ای وجود دارد که دور از دید پنهان شده است. پس از آموزش بر روی تصاویر هوایی از ژئوگلیف های شناخته شده و مبهم، یک مدل یادگیری عمیق در نماهای دیگر آزاد شد و به طرز شگفت انگیزی حداقل چهار مورد جدید را شناسایی کرد، همانطور که در زیر می بینید. بسیار هیجان انگیز!

چهار ژئوگلیف ناسکا که به تازگی توسط یک عامل هوش مصنوعی کشف شده است.

در یک مفهوم مستقیم‌تر مرتبط‌تر، فناوری همجوار با هوش مصنوعی همیشه در حال یافتن کار جدیدی برای شناسایی و پیش‌بینی بلایای طبیعی است. مهندسان استنفورد در حال گردآوری داده‌ها برای آموزش مدل‌های پیش‌بینی آتش‌سوزی در آینده با شبیه‌سازی هوای گرم بالای یک تاج جنگل در یک مخزن آب 30 فوتی هستند. اگر بخواهیم فیزیک شعله‌ها و اخگرها را که خارج از محدوده‌های آتش‌سوزی حرکت می‌کنند مدل کنیم، باید آنها را بهتر درک کنیم، و این تیم هر کاری که می‌تواند برای تقریب آن انجام می‌دهد.

در UCLA آنها به دنبال چگونگی پیش بینی زمین لغزش هستند که با تغییر آتش سوزی و سایر عوامل محیطی رایج تر هستند. اما در حالی که هوش مصنوعی قبلاً برای پیش‌بینی آن‌ها با موفقیت مورد استفاده قرار گرفته است، «کار خود را نشان نمی‌دهد»، به این معنی که یک پیش‌بینی توضیح نمی‌دهد که آیا به دلیل فرسایش یا تغییر سطح آب یا فعالیت‌های زمین ساختی است. یک رویکرد جدید “شبکه عصبی ابرقابل استفاده” از لایه های شبکه استفاده می کند که از داده های مختلف استفاده می کنند اما به جای همه با هم به صورت موازی اجرا می شوند و اجازه می دهد خروجی کمی خاص تر باشد که در آن متغیرها منجر به افزایش ریسک می شوند. همچنین بسیار کارآمدتر است.

گوگل در حال بررسی یک چالش جالب است: چگونه می توان سیستم یادگیری ماشینی را از دانش خطرناک یاد گرفت اما آن را منتشر نکرد؟ به عنوان مثال، اگر مجموعه آموزشی آن شامل دستور العمل ناپالم باشد، نمی خواهید آن را تکرار کند – اما برای اینکه بداند آن را تکرار نکنید، باید بداند چه چیزهایی تکرار نمی شود. یک پارادوکس! بنابراین این غول فناوری به دنبال روشی برای “لغو یادگیری ماشینی” است که به این نوع عمل متعادل کننده اجازه می دهد ایمن و قابل اعتماد انجام شود.

اگر به دنبال نگاهی عمیق تر به این هستید که چرا به نظر می رسد مردم بدون هیچ دلیل موجهی به مدل های هوش مصنوعی اعتماد می کنند، به این سرمقاله Science توسط Celeste Kidd (UC Berkeley) و Abeba Birhane (Mozilla) نگاه نکنید. این به زیربنای روانی اعتماد و اقتدار وارد می شود و نشان می دهد که چگونه عوامل فعلی هوش مصنوعی اساساً از آنها به عنوان سکوی پرشی برای افزایش ارزش خود استفاده می کنند. اگر می خواهید این آخر هفته هوشمندانه به نظر برسید، مقاله واقعاً جالبی است.

اگرچه ما اغلب در مورد ماشین شطرنج بازی تقلبی ترک های مکانیکی بدنام می شنویم، اما این شطرنج باعث الهام بخشیدن به مردم شد تا آنچه را که وانمود می کرد ساخته شود. IEEE Spectrum داستانی جذاب در مورد فیزیکدان و مهندس اسپانیایی تورس کوئودو دارد که یک شطرنج باز مکانیکی واقعی خلق کرد. قابلیت های آن محدود بود، اما اینگونه می دانید که واقعی است. برخی حتی پیشنهاد می کنند که ماشین شطرنج او اولین “بازی رایانه ای” بوده است. غذای فکر.