-
El director ejecutante de Nvidia, Jensen Huang, dijo en una entrevista fresco que la IA contemporáneo no proporciona las mejores respuestas.
-
“Tenemos que aparecer a un punto en el que confíes en gran medida en la respuesta que obtienes”, dijo.
-
El CEO dijo que todavía faltan “varios primaveras” y que las empresas necesitarán más potencia computacional.
El director ejecutante de Nvidia, Jensen Huang, dijo que la inteligencia industrial contemporáneo no proporciona las mejores respuestas y que el mundo todavía está “a varios primaveras de distancia” de una IA en la que podamos “esperar en gran medida”.
“Hoy en día, las respuestas que tenemos no son las mejores que podemos dar”, dijo Huang el sábado en una entrevista en la Universidad de Ciencia y Tecnología de Hong Kong.
El CEO dijo que la concurrencia no debería tener que dudar de la respuesta de una IA, preguntándose si es “alucinada o no alucinada” o “sensible o no sensata”.
“Tenemos que aparecer a un punto en el que confíes en gran medida en la respuesta que obtienes, en la que confías en gran medida”, dijo, “y por eso creo que estamos a varios primaveras de poder hacerlo y, mientras tanto, , tenemos que seguir aumentando nuestro cálculo”.
Los grandes modelos de idioma, como ChatGPT, han renovador exponencialmente en los últimos primaveras en su capacidad para contestar preguntas complejas, pero aún tienen limitaciones.
Las alucinaciones, o dar respuestas falsas o ficticias, es un problema persistente con los chatbots de IA.
OpenAI, ampliamente considerado como el líder de la carrera de la IA, fue demandado el año pasado por un animador de radiodifusión posteriormente de que ChatGPT creara una denuncia reglamentario falsa sobre él.
Un portavoz de OpenAI no respondió a una solicitud de comentarios.
Algunas empresas de IA todavía se enfrentan al dilema de cómo avanzar en los LLM sin tener que obedecer sólo de tener en sus manos grandes cantidades de datos, un solicitud que ya es finito.
Durante la entrevista del sábado, Huang dijo que no será suficiente entrenar previamente o entrenar un maniquí en un conjunto de datos espacioso y diverso antiguamente de desarrollarlo para realizar una determinada tarea.
“La formación previa, es opinar, tomar todos los datos del mundo y descubrir conocimientos a partir de ellos automáticamente, no es suficiente”, afirmó. “Así como ir a la universidad y graduarse es un hito muy importante, pero no es suficiente”.
Un portavoz de Nvidia declinó hacer comentarios.
Lea el artículo flamante en Business Insider
eFs">Source link