โมเดลและแพลตฟอร์ม AI
โชตบอท AI ต่อสู้กับการทำความเข้าใจภาษา
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
การมาถึงของโชตบอท AI ได้เปลี่ยนแปลงประสบการณ์การสนทนา โดยนำมาซึ่งความก้าวหน้าที่ดูเหมือนจะเทียบเท่ากับการทำความเข้าใจและการใช้ภาษาของมนุษย์ โชตบอทเหล่านี้ได้รับการขับเคลื่อนด้วยโมเดลภาษาที่มีขนาดใหญ่ และกำลังพัฒนาความสามารถในการนำทางความซับซ้อนของการโต้ตอบของมนุษย์
อย่างไรก็ตาม การศึกษาเร็วๆ นี้ ศึกษา ได้เผยให้เห็นถึงความอ่อนแอของโมเดลเหล่านี้ในการแยกแยะภาษาธรรมชาติจากภาษาที่ไม่มีความหมาย การสืบสวนที่ดำเนินการโดยนักวิจัยจากมหาวิทยาลัยโคลัมเบียนำเสนอข้อมูลเชิงลึกที่น่าสนใจเกี่ยวกับการปรับปรุงประสิทธิภาพของโชตบอทและการประมวลผลภาษาของมนุษย์
การสอบสวนเกี่ยวกับโมเดลภาษา
ทีมงานได้ขยายความเกี่ยวกับการวิจัยที่เกี่ยวข้องกับโมเดลภาษา 9 แบบที่ถูกส่งไปยังหลายๆ คู่ประโยค ผู้เข้าร่วมในการศึกษาที่เป็นมนุษย์ถูกขอให้แยกแยะประโยคที่มีความเป็นธรรมชาติมากกว่าในแต่ละคู่ ซึ่งสะท้อนถึงการใช้งานในชีวิตประจำวัน โมเดลเหล่านั้นถูกประเมินตามว่าพวกเขาสอดคล้องกับการเลือกของมนุษย์หรือไม่
เมื่อโมเดลเหล่านั้นถูกนำมาแข่งขันกัน โมเดลที่ใช้เครือข่ายประสาทเทียมแบบทรานส์ฟอร์เมอร์แสดงให้เห็นถึงประสิทธิภาพที่ดีกว่าเมื่อเทียบกับโมเดลแบบเรคคอร์เรนต์ประสาทเทียมและโมเดลทางสถิติ อย่างไรก็ตาม แม้แต่โมเดลที่ซับซ้อนที่สุดก็ยังแสดงให้เห็นถึงข้อผิดพลาด โดยมักจะเลือกประโยคที่มนุษย์รับรู้ว่าเป็นภาษาที่ไม่มีความหมาย
การดิ้นรนเพื่อจัดการกับประโยคที่ไม่มีความหมาย
ดร. นิโคเลาส์ ครีเกสคอร์เต้ ผู้ตรวจสอบหลักจากสถาบันซัคเคอร์แมนแห่งโคลัมเบีย เน้นย้ำถึงความสำเร็จที่สัมพันธ์กันของโมเดลภาษาขนาดใหญ่ในการจับประเด็นสำคัญที่โมเดลที่ง่ายกว่าพลาดไป เขาเน้นย้ำว่า “แม้แต่โมเดลที่ดีที่สุดที่เราศึกษายังคงสามารถถูกหลอกลวงโดยประโยคที่ไม่มีความหมาย ซึ่งแสดงให้เห็นว่าการคำนวณของพวกมันขาดบางสิ่งบางอย่างเกี่ยวกับวิธีที่มนุษย์ประมวลผลภาษา”
ตัวอย่างที่น่าประทับใจจากการศึกษานี้เน้นย้ำถึงโมเดลอย่าง BERT ที่ตัดสินผิดเกี่ยวกับการเป็นธรรมชาติของประโยค โดยเปรียบเทียบกับโมเดลอย่าง GPT-2 ซึ่งสอดคล้องกับการตัดสินของมนุษย์ ข้อบกพร่องที่เกิดขึ้นในโมเดลเหล่านี้ ตามที่คริสโตเฟอร์ บัลดัสซาโน Ph.D. ผู้ช่วยศาสตราจารย์ด้านจิตวิทยาแห่งโคลัมเบีย เน้นย้ำถึงความกังวลเกี่ยวกับการพึ่งพาระบบ AI ในกระบวนการตัดสินใจ โดยเน้นย้ำถึง “จุดบอด” ที่เห็นได้ชัดในการระบุประโยค
ผลกระทบและทิศทางในอนาคต
ช่องว่างในการทำงานและความสนใจในการสำรวจว่าทำไมโมเดลบางรุ่นจึงทำงานได้ดีกว่าโมเดลอื่นๆ เป็นเรื่องที่น่าสนใจสำหรับดร. ครีเกสคอร์เต้ เขาเชื่อว่าการทำความเข้าใจความแตกต่างเหล่านี้สามารถผลักดันความก้าวหน้าในโมเดลภาษาได้อย่างมาก
การศึกษานี้ยังเปิดโอกาสให้สำรวจว่ากลไกในโชตบอท AI สามารถกระตุ้นการสอบถามทางวิทยาศาสตร์ใหม่ๆ และช่วยให้นักประสาทวิทยาศาสตร์สามารถเข้าใจความซับซ้อนของสมองมนุษย์ได้ดีขึ้น
ทัล โกลัน Ph.D. ผู้เขียนหลักของเอกสารแสดงความสนใจในการทำความเข้าใจกระบวนการคิดของมนุษย์ โดยพิจารณาจากความสามารถที่เพิ่มขึ้นของเครื่องมือ AI ในการประมวลผลภาษา “การเปรียบเทียบความเข้าใจภาษาของพวกมันกับของเรานำเสนอแนวทางใหม่ในการคิดเกี่ยวกับวิธีที่เราคิด” เขาให้ความเห็น
การสำรวจความสามารถทางภาษาของโชตบอท AI ได้เผยให้เห็นถึงความท้าทายที่ยังคงอยู่ในการจัดตำแหน่งความเข้าใจของพวกมันกับกระบวนการคิดของมนุษย์
ความพยายามอย่างต่อเนื่องในการสำรวจความแตกต่างเหล่านี้และผลที่ตามมานั้นพร้อมที่จะไม่เพียงแต่เพิ่มประสิทธิภาพของโชตบอท AI แต่ยังช่วยให้เข้าใจกระบวนการคิดของมนุษย์ได้ดีขึ้น
การนำเสนอความเข้าใจภาษาของ AI และกระบวนการคิดของมนุษย์เป็นรากฐานสำหรับการสำรวจที่หลากหลาย ซึ่งอาจเปลี่ยนแปลงความเข้าใจและขยายความรู้ในด้าน AI และประสาทวิทยาศาสตร์ที่เชื่อมโยงกัน
