On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?🦜
PulseAugur coverage of On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?🦜 — every cluster mentioning On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?🦜 across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
AI专家澄清“随机鹦鹉”一词仅适用于LLM，而非所有AI
有影响力的论文“关于随机鹦鹉的危险”的合著者Margaret Mitchell澄清说，“随机鹦鹉”一词特指大型语言模型（LLM），而不是人工智能（AI）本身。她认为，将LLM等同于所有AI系统是一种范畴错误，因为许多AI系统将LLM与其他确定性程序和算法结合使用。Mitchell强调，虽然LLM是基于统计相关性而非真正理解来生成文本的，但这并不减损它们在生成类人且复杂的输出方面的能力或实际效用。
-
Timnit Gebru 的 2020 年论文准确预测了 LLM 的危险
一篇题为《关于随机鹦鹉的危险》的 2020 年研究论文，由 Timnit Gebru 共同撰写，准确预测了大型语言模型（LLM）自出现以来出现的几个主要问题。该论文警告说，在互联网数据上训练的大型模型会显得流利但缺乏真正的理解，这种现象现在被称为幻觉。它还强调了这些模型如何放大了训练数据中存在的偏见，导致在招聘和医疗保健等应用中出现歧视。此外，该论文预见了训练这些大型模型所带来的巨大环境成本，这一担忧现在与主要科技公司排放量的增加有关。
-
Timnit Gebru 的 2020 年论文预警了如今已实现的 LLM 危险
Timnit Gebru 于 2020 年 12 月被 Google 解雇，此前她拒绝撤回其研究论文《关于随机鹦鹉的危险》（On the Dangers of Stochastic Parrots）。该论文由 Emily Bender 共同撰写，强调了大型语言模型带来的重大风险，包括偏见放大、环境成本以及 AI 在线创造主导性、平均化声音的潜力。该论文的警告在很大程度上已经成为现实，许多研究人员认为 Gebru 的解雇对其职业生涯构成…