معرفی ابزار شناسایی متون ChatGPT توسط شرکت سازنده
تاریخ انتشار: ۱۲ بهمن ۱۴۰۱ | کد خبر: ۳۶۹۹۶۱۴۷
به گزارش گروه علم و پیشرفت خبرگزاری فارس به نقل از تک کرانچ، با اینکه چت بات هوش مصنوعی ChatGPT بسیار محبوب است؛ اما برخی می خواهند بدانند کدام متن ها توسط این ربات تولید شده است.با توجه به موضوعات سرقت ادبی و محتوای دزدیده شده که دائماً در ChatGPT و خروجی آن می چرخد؛ شرکت OpenAI اکنون یک GPT-Classifier جدید منتشر کرده است؛ ابزاری که برای تشخیص و افشای متن های تولید شده توسط این ابزار هوش مصنوعی کاربرد دارد.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
این ابزار تولید شده توسط OpenAI در حالی معرفی شده که بررسی دقیق روی متون نوشته شده با هوش مصنوعی افزایش یافته و شرکت ها خروجی ChatGPT را یکپارچه می کنند.
GPT-Classifier تلاش می کند تا بفهمد که آیا یک قطعه متن توسط انسان نوشته شده یا کار تولید کننده هوش مصنوعی است. در حالی که ChatGPT و سایر مدلهای GPT به طور گسترده در مورد انواع ورودی متن آموزش دیدهاند، ابزار GPT-Classifier روی مجموعه دادهای از متن نوشته شده توسط انسان و هوش مصنوعی تنظیم شده است. بنابراین، بهجای جمعآوری اطلاعات و بازآفرینی بهترین تقریب آن، تلاش میکند تا شباهتهای متن شناختهشده انسانی و متن هوش مصنوعی را (برای یافتن تفاوتهایی که نویسنده منبع را آشکار میکند) مقایسه کند.
تشخیص GPT-Classifier در حال حاضر محدود است. در حال حاضر، GPT-Classifier به درستی 26 درصد از متن نوشته شده با هوش مصنوعی را شناسایی می کند. در حالی که 9درصد از متن های انسانی را به عنوان نوشته شده با هوش مصنوعی برچسب گذاری می کند. OpenAI همچنین خاطرنشان می کند که دقت ابزار معمولاً با افزایش طول متن ورودی بهبود می یابد.
حتی با وجود محدودیتهای GPT-Classifier، تقاضا برای تشخیص ChatGPT باعث میشود که بسیاری به این ابزار روی بیاورند. تعهد OpenAI به ساخت و انتشار ابزار رایگان تشخیص GPT مهم است زیرا با استفاده بیشتر دانشآموزان، نویسندگان و برنامهنویسان از ابزارهای تولید متن هوش مصنوعی، درک و شناسایی این ورودی حیاتی میشود.
پایان پیام/ ت 680
منبع: فارس
کلیدواژه: ChatGPT هوش مصنوعی نوشته شده
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت www.farsnews.ir دریافت کردهاست، لذا منبع این خبر، وبسایت «فارس» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۶۹۹۶۱۴۷ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتیکه در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
اینتل و چند شرکت دیگر متعهد به ساخت ابزارهای سازمانی هوش مصنوعی مولد باز شدند
ایتنا - بنیاد لینوکس از راهاندازی «پلتفرم باز برای هوش مصنوعی سازمانی» (OPEA) خبر داد، که پروژهای برای کمک به توسعه سیستمهای هوش مصنوعی مولد باز، چند ارائهدهندهای و ترکیبپذیر (یعنی ماژولار). آیا هوش مصنوعی مولد طراحی شده برای سازمانها (به عنوان مثال، هوش مصنوعی که گزارشها، فرمولهای صفحهگسترده و غیره را به صورت خودکار تکمیل میکند) میتواند قابلیت همکاری داشته باشد؟ بنیاد لینوکس – به عنوان یک سازمان غیرانتفاعی که از تعداد فزایندهای از تلاشهای منبعباز پشتیبانی و نگهداری میکند - قصد دارد این موضوع را همراه با مجموعهای از سازمانها از جمله کلاودرا و اینتل مورد کنکاش قرار دهد.
به گزارش ایتنا و به نقل از تککرانچ، بنیاد لینوکس از راهاندازی «پلتفرم باز برای هوش مصنوعی سازمانی» (OPEA) خبر داد، که پروژهای برای کمک به توسعه سیستمهای هوش مصنوعی مولد باز، چند ارائهدهندهای و ترکیبپذیر (یعنی ماژولار).
ابراهیم حداد، مدیر اجرایی LF AI and Data، در یک بیانیه مطبوعاتی گفت که زیر نظر LF AI and Data (متعلق به بنیاد الینکوس)، که بر ابتکارهای پلتفرم مرتبط با هوش مصنوعی و دادهها تمرکز دارد، هدف OPEA هموار کردن راه برای انتشار سیستمهای هوش مصنوعی مولد «سختشده» و «مقیاسپذیر» خواهد بود که بهترین نوآوری منبع باز در اکوسیستم را امکانپذیر کند.
حداد گفت: «OPEA با ایجاد یک چارچوب دقیق و قابل ترکیب که در خط مقدم پشتههای فناوری قرار بگیرد، امکانهای جدیدی را در هوش مصنوعی فراهم خواهد کرد. این ابتکار گواهی بر ماموریت ما برای هدایت نوآوری منبع باز و همکاری در هوش مصنوعی و جوامع داده تحت یک مدل حکومتی بیطرفانه و باز است».
درباره اینکه این همکاری بینسازمانی میتواند منتج به چه محصولی شود، حداد به چند احتمال اشاره کرد، مانند پشتیبانی «بهینهشده» از زنجیرههای ابزار و کامپایلرهای هوش مصنوعی، که این امکان را فراهم میآورد که بار کاری هوش مصنوعی در اجزای سختافزاری مختلف اجرا شود، و همچنین خط لولههای «ناهمگن» برای تولید تقویتشده با بازیابی (RAG).
RAG به طور فزایندهای در کاربردهای سازمانی هوش مصنوعی مولد محبوبیت پیدا کرده است و فهمیدن دلیل آن دشوار نیست. پاسخها و اقدامات بیشتر مدلهای هوش مصنوعی مولد به دادههایی محدود میشود که با استفاده از آنها آموزش دیدهاند. اما با RAG، پایگاه دانش یک مدل را میتوان به اطلاعات خارج از دادههای آموزشی اصلی گسترش داد. مدلهای RAG به این اطلاعات خارجی ارجاع میدهند.