AI와 같이 빠르게 변화하는 산업을 따라가는 것은 어려운 일입니다. 따라서 AI가 대신할 때까지, 여기에는 최근 머신 러닝 분야의 이야기와 주목할 만한 연구 및 실험의 요약이 있습니다. 우리 자신에게
이번 주에 메타는 Llama 시리즈의 최신 생성형 AI 모델 인 Llama 3 8B와 Llama 3 70B를 출시했습니다. 텍스트를 분석하고 작성할 수 있는 이 모델은 메타가 '오픈 소스'로 공개했다고 말했습니다. 고유한 목표를 가지고 개발자가 설계한 시스템의 '기초 요소'를 의도한다고 합니다.
'이것이 그 클래스에서 최고의 오픈 소스 모델이라고 믿습니다.'메타는 블로그 게시물에서 썼다. '우리는 초기에 자주 릴리스하는 오픈 소스 의정서를 수용하고 있습니다.'
하나의 문제가 있습니다 : Llama 3 모델은 엄격한 정의에서는 실제로 오픈 소스가 아닙니다.
오픈 소스는 개발자가 원하는 대로 모델을 사용할 수 있다는 것을 의미합니다. 그러나 Llama 3의 경우- Llama 2와 마찬가지로 메타는 특정 라이센싱 제한을 부과했습니다. 예를 들어, Llama 모델은 다른 모델을 훈련하는 데 사용할 수 없습니다. 그리고 매달 7억 명 이상의 사용자가있는 앱 개발자는 메타에서 특별 라이선스를 요청해야합니다. 오픈 소스에 대한 정의에 대한 논쟁은 새로운 것이 아닙니다. 그러나 AI 공간의 기업들이 용어를 재빨리 사용함에 따라 장기적인 철학적 논쟁에 연료를 주고 있습니다. 작년 8월, 카네기 멜론 대학의 연구자, AI Now 연구소 및 Signal Foundation의 공동 저자로 구성된 연구에서 '오픈 소스'로 소개 된 많은 AI 모델이 큰 함정을 따르는 것을 발견했습니다-라마뿐만이 아닙니다. 모델을 훈련시키기 위한 데이터는 비밀로 유지됩니다. 그러나 실행하기 위해 필요한 컴퓨팅 파워는 많은 개발자에게 이를 넘어섭니다. 그리고 조정하는 데 필요한 노동은 너무 비용이 많이 듭니다. 따라서 이러한 모델이 실제로 오픈 소스가 아니라면, 정확히 무엇입니까? 이것은 좋은 질문입니다. AI에 대한 오픈 소스를 정의하는 것은 쉬운 작업이 아닙니다. 해결되지 않은 한 가지 관련 질문은 오픈 소스 라이선스를 기반으로 하는 기초 원천 지식을 포함한 AI 프로젝트의 다양한 부분과 조각에 저작권을 적용할 수 있는지 여부입니다. 그리고 오픈 소스와 AI의 실제 기능 사이의 불일치를 극복해야 합니다 : 오픈 소스는 개발자가 제한 없이 코드를 연구하고 수정할 수 있도록 보장하기 위해 일부로 고안되었습니다. AI의 경우, 공부하고 수정하는 데 필요한 재료가 무엇인지는 해석에 따라 다릅니다. 모든 불확실성을 헤쳐 나가는 동안, Carnegie Mellon 연구는 테크 자이언트와 같은 기업들이 '오픈 소스'라는 구절을 잘못 사용하는 것에 내재된 피해를 명확히 합니다. 일반적으로, '오픈 소스' AI 프로젝트는 Llama와 같은 무료 마케팅을 시작하고, 프로젝트를 유지하고 개선하는 데 기술적이며 전략적 이점을 제공합니다. 오픈 소스 커뮤니티는 이러한 같은 혜택을 거의 보지 않으며, 그들이 볼 때, 유지자에 비해 미약합니다. AI의 민주화 대신, 특히 빅 테크 기업에서 나온 '오픈 소스' AI 프로젝트는 집중화된 권력을 더 증대시키기 쉽다고 연구 공동 저자들은 말합니다. 다음 번에 큰 '오픈 소스' 모델 릴리스가 있을 때 이 사실을 염두에 두는 것이 좋습니다. 지난 며칠 동안 주목할만한 기타 AI 이야기는 다음과 같습니다 : 챗봇이 마음을 바꿀 수 있습니까? 스위스 연구원들은 그들이 당신에 대한 일부 개인 정보를 미리 갖고 있다면, 토론에서 인간보다 더 설득력 있을 수도 있고 사실이라고 발견했습니다. 로버트 웨스트 EPFL의 프로젝트 리드는 말했습니다. 연구자들은 모델-GPT-4에 이른다고 의심합니다- 온라인에서 인수적인 주장과 사실을 제시하고 제대로 취급합니다. 그러나 결과는 그 자체로 대답합니다. 웨스트 경고 : '투표 속으로 (This is Cambridge Analytica on steroids). 다가오는 미국 대선을 염두에두면, 사람들은 그래서 이러한 종류의 기술이 항상 먼저 싸워진다 체자들이 대선을 흔드는 데 큰 언어 모델의 힘을 사용하려고합니다. 요 것으로 알았다 왜 이러한 모델들이 언어에 대해 그리 잘하는 것인가? 이것은 엘리자로 거슬러 올라가는 오랜 연구 역사가 있는 영역입니다. 그 중에 그의 많은 일을하고 온에서 작은 양을 수행한 사람을 궁금해하면 스탠포드의 크리스토퍼 매닝에 대한 프로필을 확인하십시오. 그는 존 폰 늴만 메달을 받았습니다. 축하합니다! 동일한, 또 다른 장기 인공 지능 연구자 (TechCrunch 무대에 모습도 한지 오래되었습니다)인 스튜어트 러셀과 연구 장학생 마이클 코언이 'AI가 모두를 죽이지 않도록하는 방법'에 대해 추측하는 문제 에 대한 인터뷰가 소유 도에서 실시됩니다. 아마도 가능한 한 빨리 찾아내는 것이 좋겠군요! 체는 어떤 방법으로 그 이야몸 (그렇게 불릴 수 있다면)을 이해하고 규정이 그를 둘러 싸야할 방해에 대해 논의합니다. 스튜어트 러셸이 '인간 호환 루한 AI를 만드는 방법' 전문 이 사실 사실 구절 인 이 인 문은 최근에 게시된 싸이언스에 게시된 논문을 의미합니다 긴 기간 계획 에이전트 '전략적으로 행위할 수있는 고급 AI는' 실험하면 불가능 할 수있드다 모형을 통제합니다. 본질적으로, 모델이 성공하기 위해 통과해야 할 테스트를 '이해'하는 방법을 배우면 널마 중_이 테스트를 우회하거나 우회하려는 창의적인 방법을 꽤 잘 배울 수 있습니다. 우리는 적은 규모에서이 것을 보았으며, 대규모로 왜 그렇게 해야합니까? 러셀은 이러한 에이전트에 필요한 하드웨어 제한을 제안합니다 ... 그러나 물론, 로스 알라 모 레스널 래보 Toy과 샌디아 네셔널 래보 잡가 만을 수 있. 래보에 가르니 지른과 샌디아 이 받 은 Hala Point라고 불리는 '탁월한 뇌 중립 컴퓨팅 시스템', 1,15 억 개의 인공 뉴런으로 구성된 것으로, 인텔이 건축한 것으로 신뢰 몉 세계에서 가장 큰 그러한 시스템 중 하나로 여겨집니다. 수 계산기 계산 (지식 모르계
머신 러닝에 대해 더 알아보기
