Bejegyzések

Beküldve:

Hiszem, ha látom… ???

Talán még naiv vagyok, de ha mutatnak egy „fotót” vagy videót valakiről, elsőre blikkre alapértelmezetten elhiszi az agyam. Nyilván a kontextus is számít, illetve nyilván gyanús elemek esetén felébred/erősödik a kétely, de a nulladik másodperc talán ez, ha mélyre ások.

Azon gondolkodom, hogy ez megváltozhat-e, és ha igen, hogy alakítja át a média tartalom fogyasztást, gondolkodást. Nyilván nem elsősorban a családi fotókra gondolok. Tisztában van a társadalom azzal, hogy mennyire alacsony lett az élethű hamisítvány-készítési küszöb?

Tavaly azért is kampányoltam, hogy jelöljük meg az AI generált tartalmakat, forrásokat a közösségi médiákban, de ez csak az egyik oldal, és nem hiszem, hogy igazán be lehet tartatni vagy ki lehet kényszeríteni (kívánom, hogy ne legyen igazam).

Még fontosabb lehet
1) a (közéleti) források hitelességét ellenőrizni – erre talán lehetne egy első forrást megkereső szolgáltatást is fejleszteni, vagy egy Twitter Community Notes közösségi tényellenőrzést divatba hozni, illetve
2) tartalmak eredetiségét jelölni – digitálisan aláírni, titkosító kulcsokkal vagy pl. valamilyen blockchain technológiával.

Másik oldalról sokkal könnyebb lesz mondjuk egy leleplező videóra is rávágni, hogy az nem is történt meg, nehezebb lesz bizonyítani valaminek a valódiságát…

Beküldve:

Mesterséges intelligencia a napi munkában: ChatGPT add in for Excel

A ChatGPT vagy Bing Chat webes felületének használatát már több helyen láttam a napi feladatok elvégzésnek támogatásában. De hogyan segíthet még a mesterséges intelligencia? Egy új eszközt próbáltam ki.

Az Excel, különösen az üzleti világban, KKV szektorban egy alapkőnek számító alkalmazás, melynek AI-osítását (angolul szabadon: aify) már nagyon várjuk a Microsoft-tól. Hasznos lenne, ha

  1. Nem kellene a menüben keresgélni, csak értené a szöveges (beszélt) felületi parancsokat
  2. Integráltan tudna természetes nyelven megfogalmazott parancsokat képletté (vagy makróvá) alakítani (azaz nem kellene ChatGPT-hez mennünk összetett Excel képletek megíráshoz)
  3. Javasolna kimutatásokat, elemzéseket adataink felett
  4. Jobban felismerné az adattípusokat
  5. Integráltan tudna nyelvi modelleket futtatni az adatainkon, azaz pl. segíteni az adattisztításban, kiegészítésben, strukturálásban stb.

Utóbbira már van is egy (ingyenes) eszköz, aminek használatával Excel képletbe integráltan használhatjuk a ChatGPT-t (GPT3.5 vagy GPT4) ha regisztrálunk az OpenAI-nál API használatra (nem teljesen ingyenes, de némi keretet kapunk).

Ahogy én használtam

  • Ide tettem a letöltendő és elindítandó állományt: C:\Program Files\Microsoft Office\root\Templates. Ezt futtatni kell, hogy plugin betöltődjön.
  • ChatGPT-hez hasonlóan érti a magyar utasításokat is, de feltételezve, hogy az angol nyelvű parancs kevesebb token (azaz olcsóbb) angol utasítást adtam neki.
  • Az parancsokkal (prompt) érdemes kísérletezni párat, hogy a lehető legtömörebb és legpontosabb feladatot adjuk és választ kapjuk – tömeges műveletvégzés esetén ezzel spórolhatunk.
  • Nem csak a költség miatt érdemes figyelni arra, hogy hány cellán futtatjuk: százas nagyságrendű cellákon történő futtatást érdemes kávészünet idejére időzíteni ☕
  • Ha bezárjuk az Excelt és újra megnyitjuk, újra lefuttatja a parancsokat!

Példa eset

Egy Excelben körülbelül 800 olyan sorom volt, amiben szabad szavasan több cégnév volt felsorolva, teljesen változatos és ad-hoc módon: és-sel, vesszővel, szóközzel, per jellel elválasztva, néha zárójelezve sorszámmal stb., amit csak el lehet képzelni. Soronként csak a cégnevekre volt szükségem, amit kézzel nehéz és hosszadalmas lett volna elvégezni, vagy számos szabályt kellett volna definiálni. Az új „=AIAssistant()” függvénnnyel azonban ez relatív egyszerűen működött, és bár a végigfutásra kellett várni, a kibontás mindennel együtt 40 centbe került, azaz kevesebb mint 200Ft a GPT3.5-el.

Beküldve:

Mesterséges intelligencia által tervezett, új ötvözetből 3D nyomtatható rakétamotor

Az élet mindig durvább, mint bármi, amit el tudunk képzelni. Ennél egyszerűen nem tudok kockább dolgot elképzelni: AI segítségével tervezett aero spike rakéta motor, melyet újonnan fejlesztett ötvözetből 3D nyomtatnak. És gyönyörű organikus design.

AMCM & Hyperganic Aerospike

Ha nincsenek róla megbízható cikkek, azt gondoltam volna, hogy csak egy újabb Midjourney huszár kreáció, de vannak, már több éve dolgoznak ezen. Egy kis magyarázat angolul:

GAME OVER - A.I. Designs CRAZY New ROCKET Engine

Ha hozzátennénk azokat a kifejezéseket, hogy mondjuk a motor indítását és üzemelésének termodinamikai szimulációját analóg szuperszámítógéppel végezték, fenntartható üzemeltetését illetve karbantartását neurális agyi interfésszel irányítható nano robotokkal lehet támogatni, melyek kvantum összefonódott foton csatornán kommunikálnak akkor asszem hó végéig készen lennénk.

#gyorsulójövő

Beküldve:

A neurális hálózatok és az információ

A mesterséges intelligencia és a neurális hálózatok fejlődése folyamatosan változtatja az információ kezelését. A hagyományos adattárolási és -feldolgozási módszerek helyett a neurális hálózatok egy új paradigmát kínálnak az (elsősorban jelenleg szöveges) információ) tömörítésére, lekérdezésére és megértésére.

Így látom az információmenedzsment történetének négy fő szakaszát:

  1. Lokális, volatilis tárolás:
    A legelső információ kezelési „módszer” a saját fejünkben történő tárolás volt, amely korlátozott és személyes átadást tett lehetővé (1:1). Ebben az esetben az információ lekérdezése bizonytalan és alacsony sávszélességű volt, mivel az emlékek alapján történt.
  2. Fizikai eszközön való tárolás:
    A következő szint a fizikai eszközökön, például kőtáblákon, vagy könyvekben történő tárolás volt. Ez lehetővé tette, hogy több ember számára elérhető és hivatkozható legyen az információ (1:n). Bár a keresés lassú volt, a fizikai eszközök nagyobb stabilitást és megbízhatóságot biztosítottak az információ tárolásában.
  3. Digitális eszközön való tárolás:
    A digitális technológia fejlődésével az információ tárolása és megosztása diszkeken és az interneten vált lehetővé. Ez jelentősen javította a sávszélességet és a keresési képességeket, lehetővé téve mindenki számára az információ elérését és közzétételét (n:n). Az információ ezen módszerrel történő tárolása és lekérdezése pontos és gyors.
  4. Neurális hálózatok és a jövő:
    A neurális hálózatok tulajdonképpen egyfajta tömörítést végeznek az adaton, amelyet a megfelelő lekérdezéssel átlagként értelmezhetünk a megadott paraméterek mentén. Az adat tárolása neurális hálózatokban hatalmas sávszélességet és holografikus, élő adatból képződő intelligens válaszokat tesz lehetővé (nn:n). Igény szerinti tanulás és kutatás során tetszőleges mélységben kérdezhetjük le az információt. Kérhetjük egy téma részletes kibontását vagy akár rövid összefoglalóját. Mintha egy fényképen zoomolnánk, a neurális hálózatok lehetővé teszik a tudásban (szövegben) történő elmélyülést.

Az információmenedzsment fejlődése folyamatos a technológia fejlődésének köszönhetően. A neurális hálózatok által nyújtott lehetőségek a jövőben újraformálhatják ahogy problémákat oldunk meg, gondolkodunk, az információt kérünk le vagy osztunk meg.

Beküldve:

Ágensek avagy autonóm ügynökök: AutoGPT, BabyAGI és a társaik

Most kell elkezdeni kapaszkodni! A ChatGPT megtanulta, hogy a legmegfelelőbb (AI) eszközt válassza ki egy adott feladat végrehajtására.

Eljutottunk az „eszközhasználó” korszakig AI léptékben: mesterséges intelligencia, mely külső eszközöket (akár mas AI-t) használ, újakat lehet megtanítani neki.
Kíváncsi leszek a pattintott kőkorszak megfelelőjére, amikor az AI eszközt készít magának egy feladat megvalósítására – és ez a küszöbön kopogtat (lásd AutoGPT / BabyGPT alkalmazások). Ezek az autonóm MI ügynökök képesek feladatokat létrehozni maguknak, elvégezni őket, új feladatokat létrehozni és akár prioritizálni is a feladatlistájukat. Az AutoGPT és a BabyAGI jelenleg az autonóm ügynökök legjobb példái. Bár a BabyAGI használja az “AGI” kifejezést, ez egy kicsit nagyra törő cím az autonóm ügynök számára, mivel nem közelíti meg azt, amit AGI-nak nevezhetnénk.

Az újdonságokkal kiegészítettem a tudástárban a fogalomtárat és az eszköztárat is.

Beküldve:

OpenChatKit: nyílt forrású, tanítható ChatGPT alternatíva

A hét a Google AI Workspace és a Microsoft Copilot 365 bejelentésektől volt hangos – azt gondolom megalapozottan, kíváncsian várom a tesztelési lehetőséget én is! Azonban bejelentésre került egy új, már tesztelhető, viszont teljesen nyílt forráskódú, kipróbálható betanított modell is, az OpenChatKit, amely GitHub-ról is elérhető.

Az OpenChatKit egy nyílt forráskódú projekt (opesn source Apache-2.0 licenc alatt kerül kiadásra), amelyet speciális és általános célú chatbotok létrehozására terveztek különböző alkalmazásokhoz. Tulajdonképpen egy beszélgetésre hangolt nagy nyelvi modell, mely a GPT-NeoX-20B-ből került finomhangolásra 43 millió utasítással. Az OpenChatKit erősségei közé tartozik

  • az összegzés, a kontextuson belüli kérdésválaszolás,
  • az információkinyerés és
  • a szövegosztályozás.

Az alkotók szerint a következőkön szükséges még finomhangolni:

  • a tudásalapú zárt kérdésválaszolás,
  • a kódolási feladatok,
  • a kontextusváltás és
  • a kreatív írás vagy a hosszabb válaszok.

Számomra az egyik legérdekesebb momentum, hogy a projekt emellett egy bővíthető lekérdezési rendszerrel is rendelkezik (retrieval), amely lehetővé teszi, hogy a chatbot rendszeresen frissített vagy egyéni tartalmakat építsen be a válaszaiba: tehát például folyamatosan betöltse a friss információkat megadott helyről (pl. Wikipedia vagy valamilyen üzleti adatforrás) és így naprakészen tartsa tudását.

Kipróbálható a Hugging Face-en (a linket felvettem az AI Eszközök közé is). Itt találsz eszközt több LLM párhuzamos tesztelésére is!

Forrás: Together

Beküldve:

ChatGPT vs. Bing Chat AI

Az OpenAI ChatGPT modellje nagyot szólt, és már béta tesztelhető a Microsoft boszorkánykonyhájában saját ízlésük szerint finomhangolt, de OpenAI technológiát is alkalmazó verzió az „új Bing”, avagy Bing Chat. Legnagyobb különbség, hogy míg a ChatGPT jelenleg csak egy fix, 2021-ben lezárt tudásanyaggal dolgozik, a Bing valós időben is képes az interneten keresni, és akár napi információkat felhasználni a válaszához.

Dave Lee például a prémium ChatGPT Plus (20 dollár / hó) előfizetése használatával a Tesla 2022 Q4 negyedéves riportjának elemzését kérte a neurális hálótól a PDF dokumentumot megadva – és elsőre még talán ő sem vette észre, hogy az AI válasza teljes egészében egy hallucináció a feltett kérdés és a PDF címe alapján, azaz nem tényekre alapul, pusztán egy szöveg generálás.

https://twitter.com/heydave7/status/1626444184608559104

Előnyére szólva (vagy mára ezt javították), a jövőre vonatkozó pénzügyi riportok elemzését azért már megtagadja:

Tisztában van a jövő fogalmával is

Ezzel ellentétben a Bing Chat tud valós idejű adatokkal dolgozni: tulajdonképpen a feltett kérdéseknek megfelelően kereséseket végez az interneten és annak eredményeit képes tálalni. A fenti példához hasonlóan feltett kérdésemre az elemző cikkek és pénzügyi oldalak adatai alapján válaszolt:

Test - ChatGPT vs. Bing Chat v0.1

Amit egyik sem tud (jelenleg) az az, hogy megadott PDF dokumentumokban keressen, de már erre is van kezdeményezés, pl. az AI asszisztens szolgáltatás.