ایلان ماسک جنجالی جنجال جدیدی به راه انداخت. گفت که داده های آموزش هوش مصنوعی تمام شد و دیگر چیزی برای نسبت دادن به آن وجود ندارد.
ایلان ماسک، ثروتمندترین فرد جهان و صاحب شرکت های بزرگی مانند اسپیس ایکس، تسلا، ایکس و غیره. او به نقل از کامنت ها و توییت های جنجالی معروف است و هر از گاهی جایی می رود و مشکلات جدیدی ایجاد می کند. او اخیراً به موضوع عجیبی در رابطه با هوش مصنوعی اشاره کرده است.
در حالی که همه کارشناسان، شرکت‌ها و چهره‌های فناوری بر این عقیده‌اند که هوش مصنوعی هنوز کامل نیست و راه زیادی برای تکمیل اطلاعات خود در پیش دارد، ماسک می‌گوید که داده‌های آموزشی هوش مصنوعی تمام شده است و چیزی برای آموزش آن باقی نمانده است. این نظریه قطعا مورد انتقاد یا تمجید اهالی فناوری قرار خواهد گرفت و باید منتظر نظریه های جدیدی در مورد آن باشیم. جنجال جدید ایلان ماسک باشد
داده های آموزش هوش مصنوعی به پایان رسید!
اطلاع رسانی کند کرانچ منحصر به فرد; ایلان ماسک در مصاحبه با مارک پن، رئیس شرکت Stagwell, Inc. اظهار داشت که بیشتر اطلاعاتی که برای آموزش هوش مصنوعی نیاز داریم، اکنون از منابع موجود جمع آوری شده است. وی افزود: این اتفاق سال گذشته به طور کامل رخ داد.
ماسک که شرکت هوش مصنوعی خود به نام xAI را دارد، پس از این اظهارات این سخنان را گفت ایلیا سوتسکور، دانشمند ارشد سابق OpenAI او این را در کنفرانس NeurIPS بیان کرد. سوتسکور در دسامبر این را گفت صنعت هوش مصنوعی او به چیزی رسیده است که او آن را «داده‌های اوج» می‌نامد و پیش‌بینی کرد که کمبود داده، نحوه ساخت مدل‌های هوش مصنوعی را تغییر خواهد داد.
ماسک خاطرنشان کرد که در آینده شرکت‌ها باید از داده‌های مصنوعی برای آموزش مدل‌ها استفاده کنند، یعنی داده‌های تولید شده توسط خود هوش مصنوعی. او گفت:
تنها راه حل برای کمبود داده های واقعی استفاده از داده های مصنوعی برای کمک به آموزش هوش مصنوعی است.
در حال حاضر، شرکت هایی مانند مایکروسافت، متا، OpenAI و Entropic از داده های مصنوعی برای آموزش مدل های هوش مصنوعی خود استفاده می کنند. گزارش شرکت تحقیقاتی گارتنر همچنین نشان می دهد که 60 درصد از داده های مورد استفاده برای پروژه های هوش مصنوعی در سال 2024 به صورت مصنوعی تولید می شود.
با این حال، نگرانی هایی در مورد استفاده از داده های مصنوعی وجود دارد. تحقیقات نشان داده است که این داده‌ها می‌توانند خلاقیت مدل‌ها را کاهش دهند و اگر داده‌ها دارای سوگیری یا محدودیت باشند، تأثیر منفی بر خروجی مدل‌های هوش مصنوعی خواهند داشت.
بیشتر بخوانید: