How AIs, like ChatGPT, Learn

Summary

Алгоритмы пронизывают нашу жизнь, определяя, что мы видим в Интернете, устанавливая цены и контролируя мошенничество. Современные алгоритмы создаются путем итеративного обучения, где боты учат других ботов, тестируя их способности. Хотя такие системы могут эффективно обрабатывать сложные задачи, их работа становится все более непонятной даже для создателей. Компании стремятся собирать данные для улучшения алгоритмов, что приводит к росту их влияния на наше поведение и принятие решений. Эта зависимость от непрозрачных алгоритмов ставит под сомнение доверие пользователей к технологиям, которые мы используем.

Takeaways

• 😀 Алгоритмы окружают нас в интернете и управляют нашим опытом.
• 📱 Алгоритмы определяют, что мы видим в социальных сетях и при поиске.
• 💳 Алгоритмы помогают в управлении транзакциями и предотвращении мошенничества.
• 📈 Алгоритмы играют ключевую роль на фондовом рынке.
• 🤖 Создание алгоритмов стало сложным и не всегда понимаемым процессом.
• 🔄 Алгоритмы учатся на данных, получая результаты лучше, чем человек.
• 📸 Для распознавания объектов в изображениях нужны обучающие наборы данных.
• 👨‍🏫 В процессе обучения алгоритмы тестируют свои способности, но не учат.
• 📊 Чем больше данных, тем лучше алгоритмы могут обучаться.
• 👀 Алгоритмы наблюдают за нашими действиями и адаптируются к нашим предпочтениям.

Q & A

Как алгоритмы влияют на наш опыт в Интернете?

Алгоритмы определяют, что мы видим в социальных сетях, как мы ищем и храним фото, устанавливают цены на товары и отслеживают транзакции в банках.

Почему создание алгоритмических ботов стало сложнее?

Проблемы, которые они должны решать, слишком велики и сложны для простых человеческих инструкций, таких как 'если это, тогда то'.

Что происходит, когда алгоритмы не работают правильно?

Иногда алгоритмы могут выдавать не идеальные ответы, и их сложная структура делает их трудными для понимания даже для людей, которые их создали.

Как осуществляется процесс обучения ботов?

Создается бот, который строит других ботов, и бот, который тестирует их, используя большой объем данных для оценки производительности.

Почему компании заинтересованы в сборе данных?

Сбор данных позволяет создавать более длинные тесты, что приводит к улучшению алгоритмов, которые они разрабатывают.

Как пользователи помогают в обучении алгоритмов?

Когда пользователи проходят тесты, такие как 'Вы человек?', они помогают улучшать алгоритмы, которые учатся различать, читать и понимать информацию.

Что такое 'проверка на человека' и зачем она нужна?

Это тест, который помогает алгоритмам развивать свои способности, предоставляя примеры того, что они должны распознавать.

Как работает алгоритм рекомендаций на видеоплатформах?

Алгоритм анализирует, сколько времени пользователь проводит на сайте, и выбирает видео, которые помогут удержать его внимание как можно дольше.

Почему бот, который может определять, что на картинке, может быть неэффективным?

Он может быть хорош только в тех задачах, для которых был обучен, и не может обрабатывать другие типы данных, такие как видео.

Какова основная проблема с алгоритмическими ботами в нашем времени?

Мы используем инструменты, которые мы не понимаем, и, хотя мы можем направлять их с помощью тестов, их внутренние процессы остаются загадкой даже для их создателей.