Prawie nie potrzebujesz ChatGPT, aby wygenerować listę powodów, dla których generatywna sztuczna inteligencja często nie jest niesamowita. Poważnym problemem jest sposób, w jaki algorytmy wykonują pracę twórczą, często bez pozwolenia, niosą ze sobą paskudne uprzedzenia i wymagają ogromnych ilości energii i wody do szkolenia.
Jednak odkładając to wszystko na bok, niezwykłe jest, jak potężna może być generatywna sztuczna inteligencja w prototypowaniu potencjalnie przydatnych nowych narzędzi.
Miałem okazję przekonać się o tym na własnej skórze, odwiedzając to miejsce Klub Sundaihackaton generatywnej sztucznej inteligencji odbywający się w jedną niedzielę każdego miesiąca w pobliżu kampusu MIT. Kilka miesięcy temu grupa uprzejmie zgodziła się pozwolić mi wziąć udział w dyskusji i zdecydowała się spędzić tę sesję na badaniu narzędzi, które mogą być przydatne dla dziennikarzy. Klub jest wspierany przez organizację non-profit z Cambridge o nazwie Etos która promuje społecznie odpowiedzialne wykorzystanie sztucznej inteligencji.
W skład załogi Sundai Club wchodzą studenci MIT i Harvardu, kilku profesjonalnych programistów i menadżerów produktu, a nawet jedna osoba pracująca dla wojska. Każde wydarzenie rozpoczyna się burzą mózgów na temat możliwych projektów, które następnie grupa ogranicza do ostatecznej opcji, którą faktycznie próbują zbudować.
Godne uwagi propozycje hackatonu dziennikarskiego obejmowały wykorzystanie multimodalnych modeli językowych do śledzenia postów politycznych w TikTok, automatycznego generowania wniosków i odwołań dotyczących wolności informacji lub podsumowywania klipów wideo z przesłuchań lokalnych sądów, aby pomóc w publikowaniu lokalnych wiadomości.
Na koniec grupa zdecydował się zbudować narzędzie pomogłoby to reporterom zajmującym się sztuczną inteligencją zidentyfikować potencjalnie interesujące artykuły, do których zostały wysłane Arxivpopularny serwer do przeddruków artykułów naukowych. Prawdopodobnie moja obecność tutaj ich przekonała, biorąc pod uwagę, że wspomniałem na spotkaniu, że przeszukiwanie Arxiv w poszukiwaniu interesujących badań było dla mnie wysokim priorytetem.
Po wymyśleniu celu koderzy w zespole mogli tworzyć osadzanie słowa— matematyczna reprezentacja słów i ich znaczeń — artykułów Arxiv AI wykorzystujących interfejs API OpenAI. Umożliwiło to analizę danych w celu znalezienia artykułów istotnych dla danego terminu oraz zbadanie powiązań pomiędzy różnymi obszarami badań.
Wykorzystując osadzanie innych słów w wątkach Reddit oraz wyszukiwanie w Google News, programiści stworzyli wizualizację przedstawiającą artykuły badawcze wraz z dyskusjami na Reddicie i odpowiednimi doniesieniami prasowymi.
Powstały prototyp, tzw AI News Houndjest ogólny, ale pokazuje, jak duże modele językowe mogą pomóc w wydobywaniu informacji w nowy, interesujący sposób. Oto zrzut ekranu narzędzia używanego do wyszukiwania hasła „agenci AI”. Dwa zielone kwadraty znajdujące się najbliżej artykułu prasowego i skupiska Reddit reprezentują artykuły badawcze, które potencjalnie można uwzględnić w artykule na temat wysiłków zmierzających do zbudowania agentów AI.
Wyrazy uznania dla klubu Sundai.
