Meta rilascia strumenti di intelligenza artificiale, tra cui uno che verifica l'accuratezza di altri modelli di intelligenza artificiale

Venerdì Meta Platforms ha rilasciato una serie di nuovi prodotti di intelligenza artificiale, tra cui un "Valutatore autodidatta" in grado di verificare l'accuratezza di altri modelli di intelligenza artificiale. Il modello, quindi, secondo quanto riferito, è in grado di ridurre il coinvolgimento umano nel processo di sviluppo dei modelli di intelligenza artificiale.

La società madre di Facebook e Instagram ha dichiarato venerdì che avrebbe rilasciato i nuovi modelli di intelligenza artificiale dopo aver introdotto lo strumento in un documento di agosto che spiegava in dettaglio come si basa sulla stessa tecnica della "catena di pensiero" utilizzata da concorrenti, tra cui il creatore di ChatGPT OpenAI che ha recentemente rilasciato 01 modelli.

Si prevede che ciò consentirà al modello di intelligenza artificiale di formulare giudizi affidabili sulle risposte dei modelli.

Meta vuole affrontare le sfide delle inesattezze

Secondo un della Reuters , il modello può verificare e migliorare l'accuratezza delle risposte a problemi complessi, come quelli in materie come scienze, matematica e programmazione, perché implica la scomposizione di problemi complessi in passaggi logici più piccoli.

Meta ha rivelato che le sue intenzioni includono quella di affrontare le sfide riscontrate con altri modelli di intelligenza artificiale come ChatGPT, oltre alle critiche sulle risposte obsolete e imprecise.

Secondo quanto riferito, i ricercatori di Meta hanno utilizzato esclusivamente dati generati dall'intelligenza artificiale per addestrare il modello di valutazione, eliminando in quella fase l'intervento umano.

Due ricercatori di Meta hanno dichiarato a Reuters che la capacità di utilizzare l'intelligenza artificiale per valutare in modo affidabile altre intelligenze artificiali offre uno sguardo a un possibile percorso verso la creazione di sistemi autonomi in grado di imparare dai propri errori.

"Ci auguriamo che, man mano che l'intelligenza artificiale diventa sempre più sovrumana, diventi sempre più brava a controllare il proprio lavoro, tanto da essere effettivamente migliore dell'essere umano medio." Ricercatore Jason Weston.

"L'idea di essere autodidatti e in grado di autovalutarsi è fondamentalmente cruciale per raggiungere questo tipo di livello sovrumano di intelligenza artificiale", ha aggiunto.

Meta si sta muovendo verso l'intelligenza artificiale autonoma

Secondo i ricercatori, gli operatori del settore dell'intelligenza artificiale considerano questi agenti come assistenti digitali sufficientemente intelligenti da svolgere una serie di compiti senza l'intervento umano.

I ricercatori sostengono che i modelli auto-miglioranti potrebbero eliminare la necessità di un processo spesso costoso e inefficiente, oggi utilizzato, chiamato Apprendimento per Rinforzo tramite Feedback Umano. Questo richiede il contributo di annotatori umani, che devono possedere competenze specialistiche per etichettare i dati in modo accurato e verificare la correttezza delle risposte a complesse query matematiche e di scrittura.

Anche aziende del settore come Google e Anthropic hanno pubblicato articoli di ricerca sul concetto di RLAIF, ovvero apprendimento per rinforzo tramite feedback AI.

Tuttavia, a differenza di Meta, queste altre aziende tendono a non rilasciare i loro modelli per uso pubblico.

Gli esperti del settore dell'intelligenza artificiale ritengono che l'uso dell'intelligenza artificiale per controllare l'intelligenza artificiale sia fondamentale per la creazione di applicazioni di intelligenza artificiale autonome in grado di funzionare senza l'intervento umano. Ciò significa che, alla fine, i modelli di intelligenza artificiale impareranno dai propri errori, si autocorreggeranno e miglioreranno senza alcun intervento umano.

Il colosso dei social media ha rilasciato anche altri strumenti, tra cui un aggiornamento del suo modello didentdelle immagini Segment Anything Model (SAM), uno strumento che accelera i tempi di generazione delle risposte LLM e set di dati che possono essere utilizzati per facilitare la scoperta di nuovi materiali inorganici.