ਵੱਡੀ ਗੱਲ
ਇਸ ਹਫ਼ਤੇ, arXiv ਨੇ ਇੱਕ ਸਾਲ ਦੀ ਪਾਬੰਦੀ ਲਾਗੂ ਕੀਤੀ ਹੈ ਜਿਹੜੀ ਉਹਨਾਂ ਪੇਪਰਾਂ 'ਤੇ ਹੈ ਜਿਨ੍ਹਾਂ ਵਿੱਚ AI-ਜਨਰੇਟ ਕੀਤੀਆਂ ਗਲਤੀਆਂ ਦੀ ਸਾਫ਼ ਸਬੂਤ ਹਨ, ਜਿਵੇਂ ਕਿ ਹਾਲੂਸਿਨੇਟਿਡ ਰਿਫਰੰਸ ਅਤੇ ਨਤੀਜੇ। ਇਹ ਕਦਮ AI ਦੀ ਮਦਦ ਨਾਲ ਹੋ ਰਹੀ ਖੋਜ ਦੀ ਭਰੋਸੇਯੋਗਤਾ ਬਾਰੇ ਵੱਧ ਰਹੀਆਂ ਚਿੰਤਾਵਾਂ ਦਾ ਜਵਾਬ ਹੈ, ਖਾਸ ਕਰਕੇ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਬਾਰੇ। ਕਈ ਖੋਜਕਰਤਾ ਇਨ੍ਹਾਂ ਟੂਲਾਂ 'ਤੇ ਨਿਰਭਰ ਹਨ, ਇਸ ਲਈ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿ ਨਤੀਜੇ ਭਰੋਸੇਯੋਗ ਹਨ। ਇਹ ਪਾਬੰਦੀ ਵਿਦਿਆਕ ਪ੍ਰਕਾਸ਼ਨ ਵਿੱਚ ਗੰਭੀਰ ਜਾਂਚ ਦੀ ਮਹੱਤਤਾ 'ਤੇ ਜੋਰ ਦਿੰਦੀ ਹੈ ਅਤੇ ਇਹ ਖੋਜਕਰਤਿਆਂ ਦੇ AI-ਸਹਾਇਤ ਵਾਲੇ ਲੇਖਨ ਦੇ ਤਰੀਕੇ ਨੂੰ ਮੁੜ-ਬਦਲ ਸਕਦੀ ਹੈ। ਜੇ ਤੁਸੀਂ ਅਕਾਦਮੀਆ ਵਿੱਚ ਹੋ ਜਾਂ ਖੋਜ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋ, ਤਾਂ ਯਕੀਨੀ ਬਣਾਓ ਕਿ ਤੁਸੀਂ ਆਪਣੇ AI ਟੂਲਾਂ ਦਾ ਸਾਵਧਾਨੀ ਨਾਲ ਮੁਲਾਂਕਣ ਕਰੋ ਅਤੇ ਪ੍ਰਕਾਸ਼ਨ ਮਿਆਰਾਂ ਵਿੱਚ ਇਸ ਬਦਲਾਅ ਲਈ ਤਿਆਰ ਰਹੋ। ਹੋਰ ਪੜ੍ਹੋ.
ਤੁਰੰਤ ਖਬਰਾਂ
ਯੂਨੀਵਰਸਲ AI: ਸਿੱਖਣ ਦਾ ਨਵਾਂ ਤਰੀਕਾ
MIT ਨੇ ਯੂਨੀਵਰਸਲ AI ਨਾਂ ਦੀ ਇੱਕ ਨਵੀਂ ਯੋਜਨਾ ਸ਼ੁਰੂ ਕੀਤੀ ਹੈ, ਜਿਸਦਾ ਉਦੇਸ਼ AI ਸਿੱਖਿਆ ਨੂੰ ਵੱਡੀ ਦਰਸ਼ਕਤਾ ਲਈ ਸਹਿਜ ਬਣਾਉਣਾ ਹੈ। ਇਸ ਵਿੱਚ ਇੱਕ ਮੁਫ਼ਤ ਪ੍ਰਾਰੰਭਿਕ ਕੋਰਸ ਸ਼ਾਮਲ ਹੈ ਜੋ ਵਿਅਕਤੀਗਤ ਉਪਭੋਗਤਾ ਦੀਆਂ ਜਰੂਰਤਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਸਿੱਖਣ ਦੇ ਅਨੁਭਵਾਂ ਨੂੰ ਵਿਅਕਤੀਗਤ ਕਰਦਾ ਹੈ। ਇਹ ਮਹੱਤਵਪੂਰਨ ਕਿਉਂ ਹੈ: ਇਹ AI ਸਿੱਖਿਆ ਨੂੰ ਲੋਕਤੰਤਰੀਕਰਣ ਕਰ ਸਕਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਕਿਸੇ ਵੀ ਪਿਛੋਕੜ ਵਾਲੇ ਵਿਅਕਤੀ ਲਈ AI ਦੀ ਜਾਣਕਾਰੀ ਪ੍ਰਾਪਤ ਕਰਨਾ ਆਸਾਨ ਹੋ ਜਾਵੇਗਾ। ਹੋਰ ਜਾਣੋ.
ਯਾਦਦਾਸ਼ਤ-ਕਾਰਗਰ ਟੋਕਨ ਪੈਦਾ ਕਰਨ ਦੀ ਵਿਧੀ
ਇੱਕ ਹਾਲੀਆ ਪੇਪਰ Orthrus ਪੇਸ਼ ਕਰਦਾ ਹੈ, ਜੋ ਡਿਊਲ-ਵਿਊ ਡਿਫਿਊਜ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਪੈਰਲਲ ਟੋਕਨ ਪੈਦਾ ਕਰਨ ਦਾ ਇੱਕ ਨਵਾਂ ਤਰੀਕਾ ਹੈ। ਇਹ ਤਕਨੀਕ ਇੱਕ ਫ੍ਰੋਜ਼ਨ ਆਟੋਰੇਗ੍ਰੈਸਿਵ ਟ੍ਰਾਂਸਫਾਰਮਰ ਦੇ ਹਰ ਪਰਤ ਵਿੱਚ ਟਰੇਨ ਕਰਨ ਯੋਗ ਡਿਫਿਊਜ਼ਨ ਧਿਆਨ ਮੋਡਿਊਲ ਨੂੰ ਸ਼ਾਮਲ ਕਰਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਕਾਰਗਰਤਾ ਵਧਦੀ ਹੈ। ਇਹ ਮਹੱਤਵਪੂਰਨ ਕਿਉਂ ਹੈ: ਇਹ ਤਰੀਕਾ AI ਮਾਡਲਾਂ ਵਿੱਚ ਟੋਕਨ ਪੈਦਾ ਕਰਨ ਦੇ ਗਣਿਤੀ ਖਰਚ ਨੂੰ ਨਾਟਕ ਕਰਨ ਵਿੱਚ значਮੂਲ ਰੂਪ ਵਿੱਚ ਘਟਾ ਸਕਦਾ ਹੈ, ਜੋ ਕਿ ਰੀਅਲ-ਟਾਈਮ ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਜਰੂਰੀ ਹੈ। ਇਹ ਦੇਖੋ.
arXiv ਦੀ ਪਾਬੰਦੀ ਦੇ ਖਿਲਾਫ ਵਿਰੋਧ
arXiv ਦੇ AI-ਜਨਰੇਟ ਕੀਤੀਆਂ ਗਲਤੀਆਂ ਵਾਲੇ ਪੇਪਰਾਂ 'ਤੇ ਇੱਕ ਸਾਲ ਦੀ ਪਾਬੰਦੀ ਦੀ ਘੋਸ਼ਣਾ ਕਰਨ ਦੇ ਬਾਅਦ, ਖੋਜ ਸਮੁਦਾਇ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਵਿਰੋਧ ਹੋਇਆ ਹੈ। ਆਲੋਚਕ ਦਲੀਲ ਕਰਦੇ ਹਨ ਕਿ ਇਹ ਨਵੀਨਤਾ ਨੂੰ ਰੋਕ ਸਕਦਾ ਹੈ ਅਤੇ ਖੋਜ ਵਿੱਚ AI ਦੀ ਵਰਤੋਂ ਨੂੰ ਸੀਮਿਤ ਕਰ ਸਕਦਾ ਹੈ। ਇਹ ਮਹੱਤਵਪੂਰਨ ਕਿਉਂ ਹੈ: ਇਹ ਦ੍ਰਿਸ਼ਟਿਕੋਣਾਂ ਨੂੰ ਸਮਝਣਾ ਜਰੂਰੀ ਹੈ ਜਿਵੇਂ ਕਿ ਅਕਾਦਮਿਕ ਸਮੁਦਾਇ AI-ਸਹਾਇਤ ਵਾਲੀ ਖੋਜ ਵਿੱਚ ਨਵੀਨਤਾ ਅਤੇ ਭਰੋਸੇਯੋਗਤਾ ਦੇ ਵਿਚਕਾਰ ਸੰਤੁਲਨ ਬਣਾਉਂਦਾ ਹੈ। ਹੋਰ ਪੜ੍ਹੋ.
MIT ਦੇ ਵਿਸ਼ਵ ਭਰ ਵਿੱਚ ਪਹੁੰਚ ਦਾ ਵਿਸਥਾਰ
Dimitris Bertsimas ਅਤੇ Megan Mitchell ਆਪਣੇ ਨਵੇਂ ਸ਼ਿੱਖਿਆ ਯੋਜਨਾ 'ਯੂਨੀਵਰਸਲ ਲਰਨਿੰਗ' ਬਾਰੇ ਗੱਲ ਕਰਦੇ ਹਨ, ਜਿਸਦਾ ਉਦੇਸ਼ ਦੁਨੀਆ ਭਰ ਵਿੱਚ ਗੁਣਵੱਤਾ ਵਾਲੀ ਸਿੱਖਿਆ ਨੂ ਸਹਿਜ ਬਣਾਉਣਾ ਹੈ। ਇਹ ਮਹੱਤਵਪੂਰਨ ਕਿਉਂ ਹੈ: ਇਹ ਯੋਜਨਾ ਦੁਨੀਆ ਭਰ ਵਿੱਚ AI ਅਤੇ ਤਕਨਾਲੋਜੀ ਸਿੱਖਣ ਦੇ ਤਰੀਕੇ ਨੂੰ ਬਦਲ ਸਕਦੀ ਹੈ, ਇੱਕ ਹੋਰ ਸਮਾਵੇਸ਼ੀ ਸਿੱਖਿਆ ਦੇ ਮੰਜ਼ਰ ਨੂੰ ਵਿਕਸਤ ਕਰ ਸਕਦੀ ਹੈ। ਹੋਰ ਜਾਣੋ.
ਇੱਕ ਗੱਲ ਕੋਸ਼ਿਸ਼ ਕਰਨ ਲਈ
ਇਸ ਹਫ਼ਤੇ, ਆਪਣੇ ਖੋਜ ਜਾਂ ਪ੍ਰੋਜੈਕਟਾਂ ਵਿੱਚ ਵਰਤੋਂ ਕੀਤੇ ਗਏ AI ਟੂਲਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਇੱਕ ਪਲ ਲਓ। ਯਕੀਨੀ ਬਣਾਓ ਕਿ ਉਨ੍ਹਾਂ ਵਿੱਚ ਤਿਆਰ ਕੀਤੇ ਸਮੱਗਰੀ ਦੀ ਸਹੀਤਾ ਦੀ ਜਾਂਚ ਕਰਨ ਦੇ ਤਰੀਕੇ ਹਨ, ਖਾਸ ਕਰਕੇ ਜੇ ਤੁਸੀਂ ਆਪਣੇ ਨਤੀਜੇ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਨ ਦੀ ਯੋਜਨਾ ਬਣਾ ਰਹੇ ਹੋ। ਇਹ ਸੰਭਾਵਿਤ ਖਤਰੇ ਤੋਂ ਬਚਣ ਲਈ ਇੱਕ ਗਤੀਸ਼ੀਲ ਤਰੀਕਾ ਹੋ ਸਕਦਾ ਹੈ।
ਸਾਈਨ-ਆਫ
ਮੈਂ ਆਸਾ ਕਰਦਾ ਹਾਂ ਕਿ ਤੁਹਾਨੂੰ ਇਹ ਜਾਣਕਾਰੀਆਂ ਲਾਭਦਾਇਕ ਲੱਗੀਆਂ! ਜੇ ਤੁਸੀਂ AI ਖੋਜ ਬਾਰੇ ਆਪਣੇ ਵਿਚਾਰਾਂ ਜਾਂ ਕਿਸੇ ਵੀ ਪੇਪਰ ਬਾਰੇ ਜੋ ਤੁਸੀਂ ਹਾਲ ਹੀ ਵਿੱਚ ਪੜ੍ਹੇ ਹਨ, ਮੇਰੇ ਨਾਲ ਸਾਂਝੇ ਕਰਨ ਦੀ ਇੱਛਾ ਰੱਖਦੇ ਹੋ, ਤਾਂ ਮੈਂ ਤੁਹਾਡੇ ਤੋਂ ਸੁਣਨਾ ਚਾਹਾਂਗਾ। ਅਗਲੇ ਹਫ਼ਤੇ ਤੱਕ!