هذا الأسبوع في الذكاء الاصطناعي: الذكاء الاصطناعي التوليدي ينشر رسائل غير مرغوب فيها في المجلات الأكاديمية

مرحبًا أيها الناس، ومرحبًا بكم في النشرة الإخبارية المنتظمة للذكاء الاصطناعي الخاصة بـ TechCrunch.

هذا الأسبوع في مجال الذكاء الاصطناعي، بدأ الذكاء الاصطناعي التوليدي في نشر رسائل غير مرغوب فيها في مجال النشر الأكاديمي، وهو تطور جديد محبط على جبهة المعلومات المضللة.

في منشور على Retraction Watch، وهي مدونة تتتبع عمليات التراجع الأخيرة عن الدراسات الأكاديمية، كتب الأستاذان المساعدان في الفلسفة توماس شورادزك وليزك فروسكي عن ثلاث مجلات نشرتها شركة Addleton Academic Publishers والتي يبدو أنها تتكون بالكامل من مقالات تم إنشاؤها بواسطة الذكاء الاصطناعي.

تحتوي المجلات على أوراق بحثية تتبع نفس القالب، ومليئة بالكلمات الطنانة مثل “سلسلة الكتل”، و”ميتافيرس”، و”إنترنت الأشياء”، و”التعلم العميق”. لقد أدرجوا نفس هيئة التحرير – 10 أعضاء متوفين – وعنوانًا غير موصوف في كوينز، نيويورك، يبدو أنه منزل.

ذلك ما الصفقة الكبيرة؟ ربما تسال. أليس تصفح المحتوى غير المرغوب فيه الناتج عن الذكاء الاصطناعي هو تكلفة ممارسة الأعمال التجارية على الإنترنت هذه الأيام؟

نعم. لكن المجلات المزيفة تُظهر مدى سهولة التلاعب بالأنظمة المستخدمة لتقييم الباحثين من أجل الترقيات والتوظيف، وقد يكون هذا بمثابة مؤشر رائد للعاملين في مجال المعرفة في الصناعات الأخرى.

في نظام تقييم واحد على الأقل مستخدم على نطاق واسع، وهو CiteScore، تُصنف المجلات ضمن أفضل 10 مجلات لأبحاث الفلسفة. كيف يكون هذا ممكنا؟ إنهم يستشهدون ببعضهم البعض على نطاق واسع. (يأخذ CiteScore في الاعتبار الاستشهادات في حساباته.) وجد Żuradzk وWroński أنه من بين 541 استشهادًا في إحدى مجلات Addleton، يأتي 208 منها من منشورات مزيفة أخرى للناشر.

“[These rankings] “كثيرًا ما تخدم الجامعات وهيئات التمويل كمؤشرات لجودة البحث”، كتب شورادزك ورونسكي. “إنهم يلعبون دورًا حاسمًا في القرارات المتعلقة بالجوائز الأكاديمية والتوظيف والترقية، وبالتالي قد يؤثرون على استراتيجيات النشر للباحثين.”

يمكن للمرء أن يجادل بأن CiteScore هو المشكلة، ومن الواضح أنه مقياس معيب. وهذه ليست حجة خاطئة. ولكن ليس من الخطأ أيضًا أن نقول إن الذكاء الاصطناعي التوليدي وإساءة استخدامه يعملان على تعطيل الأنظمة التي تعتمد عليها سبل عيش الناس بطرق غير متوقعة ــ وربما ضارة للغاية.

هناك مستقبل يدفعنا فيه الذكاء الاصطناعي إلى إعادة التفكير وإعادة هندسة الأنظمة مثل CiteScore لتكون أكثر إنصافًا وشمولية وشمولية. إن البديل الأكثر قتامة – والذي يظهر الآن – هو المستقبل الذي يستمر فيه الذكاء الاصطناعي التوليدي في العبث، وإحداث الفوضى وتدمير الحياة المهنية.

آمل بالتأكيد أن نصحح المسار قريبًا.

أخبار

مولد الموسيقى التصويرية لـ DeepMind: يقول DeepMind، مختبر أبحاث الذكاء الاصطناعي التابع لشركة Google، إنه يقوم بتطوير تقنية الذكاء الاصطناعي لإنشاء مقاطع صوتية لمقاطع الفيديو. يأخذ الذكاء الاصطناعي الخاص بـ DeepMind وصفًا للموسيقى التصويرية (على سبيل المثال، “قنديل البحر ينبض تحت الماء، والحياة البحرية، والمحيط”) مقترنًا بمقطع فيديو لإنشاء موسيقى ومؤثرات صوتية وحتى حوار يتطابق مع شخصيات ونبرة الفيديو.

سائق روبوت: قام باحثون في جامعة طوكيو بتطوير وتدريب “إنسان عضلي هيكلي” يُدعى موساشي لقيادة سيارة كهربائية صغيرة عبر مسار اختبار. يستطيع موساشي، المزود بكاميرتين بديلتين للعين البشرية، أن “يرى” الطريق أمامه بالإضافة إلى المناظر المنعكسة في المرايا الجانبية للسيارة.

محرك بحث جديد يعمل بالذكاء الاصطناعي: تستفيد Genspark، وهي منصة بحث جديدة تعمل بالذكاء الاصطناعي، من الذكاء الاصطناعي التوليدي لكتابة ملخصات مخصصة استجابةً لاستعلامات البحث. لقد تم جمع 60 مليون دولار حتى الآن من المستثمرين، بما في ذلك Lanchi Ventures؛ قدرت الجولة التمويلية الأخيرة للشركة قيمتها بـ 260 مليون دولار بعد المال، وهو رقم محترم حيث يواجه Genspark منافسين مثل Perplexity.

كم تكلفة ChatGPT؟: ما هي تكلفة ChatGPT، منصة الدردشة الآلية الآخذة في التوسع والمدعومة بالذكاء الاصطناعي من OpenAI؟ إنه سؤال أصعب للإجابة مما قد تعتقد. لتتبع خيارات اشتراك ChatGPT المتنوعة المتاحة، قمنا بتجميع دليل محدث لتسعير ChatGPT.

ورقة بحثية لهذا الأسبوع

تواجه المركبات ذاتية القيادة مجموعة لا حصر لها من الحالات الطارئة، اعتمادًا على الموقع والحالة. إذا كنت تسير على طريق مكون من حارتين وقام شخص ما بتشغيل إشارة المرور اليسرى، فهل هذا يعني أنه سيغير المسار؟ أو أنه يجب عليك تمريرها؟ قد تعتمد الإجابة على ما إذا كنت على I-5 أو الطريق السريع.

تظهر مجموعة من الباحثين من Nvidia وUSC وUW وStanford في ورقة بحثية نُشرت للتو في CVPR أنه يمكن حل الكثير من الظروف الغامضة أو غير العادية، إذا كنت تستطيع تصديق ذلك، من خلال جعل الذكاء الاصطناعي يقرأ دليل السائقين المحليين.

مساعد القيادة اللغوي الكبير الخاص بهم، أو LLaDa، يمنح LLM إمكانية الوصول إلى – وليس حتى ضبط – دليل القيادة لولاية أو بلد أو منطقة. توجد القواعد أو العادات أو اللافتات المحلية في الأدبيات، وعندما يحدث ظرف غير متوقع مثل إطلاق الصافرة أو الضوء العالي أو قطيع من الأغنام، يتم إنشاء الإجراء المناسب (توقف السيارة أو توقفها أو استدرها أو بوقها للخلف).

إنه ليس بأي حال من الأحوال نظام قيادة شاملاً، ولكنه يظهر مسارًا بديلاً لنظام قيادة “عالمي” لا يزال يواجه المفاجآت. بالإضافة إلى أنها ربما وسيلة لبقيتنا لمعرفة سبب التبمير عند زيارة أجزاء غير معروفة.

نموذج الاسبوع

في يوم الاثنين، كشفت شركة Runway، وهي شركة تقوم ببناء أدوات الذكاء الاصطناعي الموجهة نحو منشئي محتوى الأفلام والصور، عن Gen-3 Alpha. تم تدريب الجيل الثالث على عدد كبير من الصور ومقاطع الفيديو من المصادر العامة والداخلية، ويمكنه إنشاء مقاطع فيديو من الأوصاف النصية والصور الثابتة.

يقول Runway أن Gen-3 Alpha يقدم تحسينًا “كبيرًا” في سرعة التوليد والدقة مقارنةً بنموذج الفيديو الرئيسي السابق لـ Runway، Gen-2، بالإضافة إلى عناصر تحكم دقيقة في بنية وأسلوب وحركة مقاطع الفيديو التي ينشئها. يمكن أيضًا تصميم Gen-3 للسماح بمزيد من “التحكم الأسلوبي” والشخصيات المتسقة، كما يقول Runway، مستهدفًا “متطلبات فنية وسردية محددة”.

Gen-3 Alpha له حدوده، بما في ذلك حقيقة أن مدة اللقطات تصل إلى 10 ثوانٍ كحد أقصى. ومع ذلك، يعد Anastasis Germanidis، المؤسس المشارك لـ Runway، بأنه مجرد النموذج الأول من عدة نماذج لتوليد الفيديو تأتي في عائلة نماذج من الجيل التالي تم تدريبها على البنية التحتية التي تمت ترقيتها لـ Runway.

Gen-3 Alpha هو فقط أحدث نظام فيديو توليدي من بين العديد من الأنظمة التي ظهرت على الساحة في الأشهر الأخيرة. ومن بين الشركات الأخرى Sora من OpenAI، وLuma’s Dream Machine، وVeo من Google. ويهددون معًا بقلب صناعة السينما والتلفزيون كما نعرفها رأسًا على عقب، على افتراض أنهم قادرون على التغلب على تحديات حقوق النشر.

الاستيلاء على حقيبة

لن يتلقى الذكاء الاصطناعي طلبك التالي من ماكدونالدز.

أعلنت شركة ماكدونالدز هذا الأسبوع أنها ستزيل تقنية تلقي الطلبات الآلية، والتي كانت سلسلة الوجبات السريعة تختبرها على مدى ثلاث سنوات، من أكثر من 100 من مواقع مطاعمها. هذه التقنية – التي تم تطويرها بالاشتراك مع شركة IBM وتم تثبيتها في المطاعم – انتشرت بسرعة كبيرة في العام الماضي بسبب ميلها إلى إساءة فهم العملاء وارتكاب الأخطاء.

تشير مقالة حديثة في مجلة Takeout إلى أن الذكاء الاصطناعي يفقد قبضته على مشغلي الوجبات السريعة على نطاق واسع، والذين أعربوا منذ وقت ليس ببعيد عن حماسهم للتكنولوجيا وقدرتها على تعزيز الكفاءة (وخفض تكاليف العمالة). فقدت شركة Presto، وهي لاعب رئيسي في مجال ممرات القيادة المدعومة بالذكاء الاصطناعي، مؤخرًا عميلًا رئيسيًا، وهو Del Taco، وتواجه خسائر متزايدة.

المسألة هي عدم الدقة.

صرح الرئيس التنفيذي لشركة ماكدونالدز، كريس كيمبكزينسكي، لشبكة CNBC في يونيو 2021 أن تقنية التعرف على الصوت الخاصة بها كانت دقيقة في حوالي 85٪ من الوقت، ولكن كان على الموظفين البشريين المساعدة في حوالي واحد من كل خمسة طلبات. وفي الوقت نفسه، فإن أفضل إصدار من نظام Presto يكمل ما يقرب من 30% فقط من الطلبات دون مساعدة بشرية، وفقًا لموقع Takeout.

لذا، في حين أن الذكاء الاصطناعي يهلك قطاعات معينة من اقتصاد الأعمال المؤقتة، يبدو أن بعض الوظائف – خاصة تلك التي تتطلب فهم مجموعة متنوعة من اللهجات – لا يمكن أتمتةها. في الوقت الحالي على الأقل.