Dữ liệu, AI
-
-:
- Dữ liệu có thể là ngôn ngữ mà tất cả mọi người đều hiểu
- 4 cấp độ phân tích dữ liệu – mô tả hiện tượng, lý giải nguyên nhân, dự đoán kết quả, đề xuất hành động
- Ngành khoa học dữ liệu còn nhiều thuật ngữ không có sự ổn định về nghĩa
- Sự không phân biệt giữa AI học có giám sát và AI tạo sinh mà chỉ gộp chung vào AI làm nhiều người nhầm lẫn giữa điểm mạnh và điểm yếu của AI
-
Máy học:
-
Mô hình ngôn ngữ lớn:
- AI cũng có nhiều loại khác nhau, nên dùng khái niệm LLM sẽ chính xác hơn
- AI không lao động để cải tạo thế giới
- AI không làm nghệ thuật được, vì nghệ thuật đòi hỏi ta phải đưa ra rất nhiều lựa chọn
- AI là định dạng ảnh mờ của web
- Cách để AI không bị ảo giác là kêu nó viết truy vấn cho Wikidata
- Có bằng chứng cho thấy việc có thêm dữ liệu và phần cứng để tính toán cũng không làm tăng khả năng nhận diện
- AI gần như không có khả năng tự sửa lỗi code
- Người mới học nên bắt đầu bằng việc hiểu code đúng hơn là sửa lỗi code sai với lời hướng dẫn chưa chắc đúng
- Trước khi AI có thể kiểm định và sửa lỗi code, ta vẫn cần phải học lập trình để kiểm định và sửa lỗi cho nó
- Để AI có thể tham gia vào việc lập trình được, nó cần phải làm được cả việc kiểm định và sửa lỗi code, chứ không phải chỉ mỗi sinh code
- Sự khác biệt giữa con người và mô hình ngôn ngữ lớn là con người có niềm tin và có thể kiểm chứng niềm tin từ môi trường bên ngoài
- AI giống như công nghệ tua bin. Gắn nó với xe hơi thì không sử dụng được. Nhưng nếu có thể có thêm những công nghệ mới thì có thể thành máy bay
- Thế mạnh của AI là làm những công việc cần tốc độ mà không đòi hỏi sự chính xác, chất lượng
- Tiềm năng để kiếm tiền từ AI đến từ mảng học có giám sát nhiều hơn ở mảng tạo sinh
- Đằng sau vẻ ngoài tự trị của AI là những người làm công việc dán nhãn và kiểm duyệt, vô hình và bếp bênh
- AI không tất định mà tạo sinh kết quả mỗi lần mỗi khác dù với cùng một câu nhập
-
Trung tâm dữ liệu:
Nơi thảo luận¶
