Foto 2023 08 06 23 22 19In der sich schnell entwickelnden Welt der Technologie haben sich Chatbots mit künstlicher Intelligenz (KI) als bedeutender Durchbruch erwiesen. Unter ihnen ist ChatGPT von OpenAI seit seiner öffentlichen Einführung im letzten Jahr ein herausragendes und fesselndes Publikum. Seine Fähigkeit, sich an flüssigen Gesprächen zu beteiligen, hat ihm Anerkennung eingebracht und einen erbitterten globalen Wettlauf um die Entwicklung noch fortschrittlicherer KI-Modelle entfacht. Doch trotz des Applauses und der Besorgnis über die potenzielle Dominanz der KI haben jüngste Erkenntnisse eine unerwartete Entwicklung ans Licht gebracht: Die abnehmenden Kenntnisse von ChatGPT in grundlegender Mathematik.
Das KI-„Drift“-Phänomen verstehen
Der Begriff „Drift“ ist in der KI nicht nur ein Schlagwort. Es handelt sich um ein reales, beobachtetes Phänomen, das die Aufmerksamkeit der akademischen Gemeinschaft auf sich gezogen hat. Eine gemeinsame Forschungsarbeit zwischen der Stanford University und der University of California, Berkeley, hat Licht auf diesen faszinierenden Aspekt des KI-Verhaltens geworfen.
Der Kern von „Drift“ liegt in den unbeabsichtigten Folgen der Modelloptimierung. Während Forscher und Entwickler bestrebt sind, bestimmte Funktionalitäten dieser komplexen KI-Modelle zu verbessern, könnten andere Bereiche unbeabsichtigt darunter leiden. Genau das passiert mit ChatGPT.
James Zou, ein renommierter Professor an der Stanford University und maßgeblich an der Forschung beteiligt, erklärte: „Wenn man das Modell optimiert, um es in einer bestimmten Richtung zu verbessern, besteht ein spürbares Risiko, dass es in anderen Bereichen Rückschritte macht.“ Diese inhärente Herausforderung unterstreicht die Komplexität der Erzielung konsistenter Fortschritte bei KI-Modellen.
Eintauchen in den Niedergang
Bei der Untersuchung handelte es sich nicht um einen flüchtigen Blick auf die Fähigkeiten von ChatGPT. Es war eine sorgfältige Analyse unter der Leitung von Lingjiao Chen, einem gewissenhaften Informatik-Doktoranden. dent aus Stanford und Matei Zaharia, eine prominente Persönlichkeit aus Berkeley. Ihr Ziel war klar: zu beurteilen, wie sich zwei unterschiedliche Versionen von ChatGPT über einen bestimmten Zeitraum entwickelten.
Ihre Erkenntnisse waren verblüffend. Man würde annehmen, dass die dent von Primzahlen, eine relativ einfache Aufgabe für Computer, für eine so fortgeschrittene KI ein Kinderspiel wäre. Die Ergebnisse erzählten jedoch eine andere Geschichte.
In einem im März durchgeführten Test wurden GPT-4, die Premium-Version von ChatGPT, mit 1.000 verschiedenen Nummern präsentiert. Es gelang, die Primalität von 84 % davon korrekt zu ermitteln. Im Juni sank die Genauigkeit auf nur noch 51 %. Dies war kein dent . Von acht verschiedenen Aufgaben verschlechterte sich die Leistung von GPT-4 bei sechs. Obwohl sich GPT-3.5 in sechs Bereichen verbesserte, blieb es überwiegend hinter seinem Nachfolger zurück.
Die Auswirkungen einer schnellen Drift
Während „Drift“ unter KI-Fans ein anerkanntes Konzept ist, war die Geschwindigkeit, mit der es sich in ChatGPT manifestierte, unerwartet. Die Beobachtungen des Forschungsteams gingen über matic Aufgaben hinaus. Sie stellten einen deutlichen Rückgang der Reaktionsfähigkeit von GPT-4 auf meinungsorientierte Anfragen fest. Von einer lobenswerten Rücklaufquote von 98 % im März sank sie bis Juni auf 23 %.
Dieser Rückschritt könnte mit dem aufkeimenden Trend des „Prompt Engineering“ verknüpft sein. Dabei müssen Benutzer spezifische Eingabeaufforderungen erstellen, um bestimmte und manchmal kontroverse KI-Antworten zu trac . Die Verschlechterung der matic Fähigkeiten von ChatGPT könnte eine unbeabsichtigte Folge von Maßnahmen sein, die ergriffen wurden, um solchen manipulativen Aufforderungen entgegenzuwirken.
Trotz der Hürden besteht insbesondere in der Forschungsgemeinschaft Konsens darüber, die Technologie nicht aufzugeben. Stattdessen liegt der Schwerpunkt auf Wachsamkeit. Zou plädiert leidenschaftlich für einen strengeren Überwachungsansatz. Das gemeinsame Team aus Stanford und Berkeley teilt seine Meinung und bereitet sich darauf vor, KI-Modelle, darunter ChatGPT, einer Reihe von Tests zu unterziehen. Ihr Ziel? Um ihre Entwicklung im Laufe der Zeit empirisch zu messen.
Der Weg des KI-Fortschritts ist nicht linear. Es ist eine dynamische Reise, die von Fortschritten, gelegentlichen Stolpern und unerwarteten Umwegen geprägt ist. Während sich die Weltgemeinschaft weiterhin durch das komplexe Labyrinth der KI bewegt, ist eines dent : Die Reise des Verständnisses und der Verfeinerung dieser Systeme ist noch lange nicht zu Ende.
Ein Schritt-für-Schritt-System zum Start Ihrer Web3-Karriere und zur Erlangung hochbezahlter Krypto-Jobs in 90 Tagen.
