Ο εγκέφαλός μας είναι ικανός να λαμβάνει και να ερμηνεύει διαφορετικούς τύπους πληροφοριών ταυτόχρονα, είτε είναι κείμενο, είτε εικόνα είτε ήχος. Ένα άτομο μπορεί έτσι να σχηματίσει μια λεπτή ιδέα της πραγματικότητας χάρη σε όλα αυτά τα στοιχεία. Στους υπολογιστές, κάτι παρόμοιο θα είναι δυνατό χάρη στην πολυτροπική τεχνητή νοημοσύνη.
Τι είναι η πολυτροπική τεχνητή νοημοσύνη;
Το πολυτροπικό AI ενσωματώνει μια ικανότητα που θα μιμείται τον εγκέφαλο στην επεξεργασία διαφορετικών τύπων πληροφοριών από διαφορετικές πηγές, είτε χειρόγραφο κείμενο, εικόνες, μουσική ή βίντεο. Για παράδειγμα, στην περίπτωση εισαγωγής στο νοσοκομείο, μια συνταγή θα μπορούσε να αποτυπωθεί με φωτογραφία και ο λόγος της νοσηλείας του ασθενούς θα μπορούσε να υπαγορευτεί φωνητικά.
Στην πραγματικότητα, η μετάβαση από ένα μονοτροπικό μοντέλο σε ένα πολυτροπικό μοντέλο περιλαμβάνει πολλές προκλήσεις. Για αρχή, όλα αυτά τα μονοτροπικά μοντέλα εκπαιδεύονται διαφορετικά. Ένα μοντέλο που παράγει κείμενο, όπως το ChatGPT, δεν θα κατασκευαστεί όπως ένα μοντέλο που παράγει εικόνες. Το πρώτο θα εκπαιδευτεί με λέξεις ενώ το δεύτερο με pixel. Το ίδιο ισχύει και για μοντέλα ήχου που δεν θα χρησιμοποιούν pixel αλλά συχνότητες ήχου.
Πώς θα συνυπάρχουν τα διαφορετικά μονοτροπικά μοντέλα;
Επομένως, είναι απαραίτητο να δημιουργηθεί μια κοινή αναπαράσταση για δεδομένα διαφορετικών τύπων, με ταυτόχρονη κατανόηση μεγάλου όγκου σχολιασμένων δεδομένων, για να είναι αποτελεσματικά αυτά τα πολυτροπικά μοντέλα. Ο στόχος ενός μοντέλου πολυτροπικής τεχνητής νοημοσύνης είναι να ευθυγραμμίσει αυτούς τους διαφορετικούς τύπους δεδομένων σε μια διαδικασία «σύντηξης». Για παράδειγμα, η λέξη “πάγκρεας”, μια μαγνητική τομογραφία του παγκρέατος και ο ήχος “πάγκρεας” πρέπει να συγχωνευθούν για να σχηματίσουν μια ενιαία αναπαράσταση που μπορεί να απορροφηθεί από ένα πολυτροπικό μοντέλο.
Η πολυτροπική τεχνητή νοημοσύνη καθιστά δυνατό τον χειρισμό διαφορετικών τύπων δεδομένων ταυτόχρονα, γεγονός που αυξάνει τις δυνατότητες εφαρμογής. Μπορούμε, για παράδειγμα, να του ζητήσουμε να συνοψίσει μια ιατρική έκθεση βασισμένη σε μια απλή φωτογραφία της. Η πολυτροπικότητα επιτρέπει επίσης στην τεχνητή νοημοσύνη να κατανοήσει το περιβάλλον της με πιο ολιστικό τρόπο.
Ένα μονοτροπικό μοντέλο όπως το ChatGPT, το οποίο εκπαιδεύεται μόνο σε κείμενο, θα έχει μια κοσμοθεωρία περιορισμένη από τον τρόπο λειτουργίας του. Για παράδειγμα, έχει κατανοήσει τη γνώση των οργάνων του ανθρώπινου σώματος, αλλά, καθώς δεν είναι εκπαιδευμένος στις εικόνες, θα δυσκολευτεί να οπτικοποιήσει την ανατομία. Επομένως, μια πολυτροπική τεχνητή νοημοσύνη θεωρητικά έχει δύο πλεονεκτήματα: μπορεί να απορροφήσει πληρέστερη γνώση του περιβάλλοντος της και παρέχει νέες εφαρμογές για πλοήγηση μεταξύ των τρόπων λειτουργίας.
The post Ας καλωσορίσουμε την πολυτροπική τεχνητή νοημοσύνη appeared first on GizChina Greece.
VIA: gr.gizchina.com
