Что, если бы искусственный интеллект мог распознавать ложь? Riccardo Loconte - видеоролик
Изучение английского языка с помощью параллельных субтитров ролика "Что, если бы искусственный интеллект мог распознавать ложь?".
Метод интервальных повторений для пополнения словарного запаса английских слов. Встроенный словарь.
Всего 828 книг и 2807 познавательных видеороликов в бесплатном доступе.
страница 2 из 3 ←предыдущая следующая→ ...
00:02:30
and even psychologists
и даже психологи,
are better at detecting lies.
справляются с распознаванием лжи.
And the answer is complex,
И ответ на этот вопрос сложен,
because experience alone
doesn't seem to be enough
потому что одного опыта,
по-видимому, недостаточно,
to help detect lies accurately.
чтобы помочь точно распознать ложь.
00:02:42
It might help, but it's not enough.
Возможно, он поможет,
но этого недостаточно.
To give you some numbers.
Приведу вам несколько цифр.
In a well-known meta-analysis
that previous scholars did in 2006,
В ходе известного метаанализа,
проведённого прежними учёными в 2006 году,
they found that naive judges' accuracy
было обнаружено,
что точность наивных суждений
was on average around 54 percent.
в среднем составляла около 54 процентов.
00:03:00
Experts perform only slightly better,
Результаты экспертов лишь немного лучше:
with an accuracy rate around 55 percent.
показатель точности
составляет около 55 процентов.
(Laughter)
(Смех)
Not that impressive, right?
Не так уж и впечатляет, верно?
And ...
И...
00:03:14
Those numbers actually come
from the analysis
Эти цифры на самом деле
получены в результате анализа
of the results of 108 studies,
результатов 108 исследований,
meaning that these findings
are quite robust.
а это означает, что эти выводы
довольно убедительны.
And of course, the debate is also
much more complicated than this
И, конечно, дискуссия
также намного сложнее, чем выводы
and also more nuanced.
и содержит много нюансов.
00:03:28
But here the main take-home message
Но главный вывод здесь заключается в том,
is that humans are not good
at detecting lies.
что люди не умеют распознавать ложь.
What if we are creating an AI tool
Что, если мы создадим инструмент
искусственного интеллекта,
where everyone can detect
if someone else is lying?
где каждый сможет определить,
лжёт ли кто-то другой?
This is not possible yet,
so please don't panic.
Пока это невозможно, поэтому,
пожалуйста, не паникуйте.
00:03:47
(Laughter)
(Смех)
But this is what we tried to do
in a recent study
Именно это мы и пытались
сделать в недавнем исследовании,
that I did together
with my brilliant colleagues
которое я провёл вместе
с моими замечательными коллегами,
whom I need to thank.
которых мне нужно поблагодарить.
And actually, to let you understand
what we did in our study,
На самом деле, чтобы вы поняли,
чем мы занимались в исследовании,
00:04:03
I need to first introduce you
to some technical concepts
мне нужно сначала познакомить вас
с некоторыми техническими концепциями
and to the main characters of this story:
и с главными героями этой истории:
Large language models.
большими языковыми моделями.
Large language models are AI systems
Большие языковые модели —
это системы искусственного интеллекта,
designed to generate outputs
in natural language
предназначенные для генерирования
результатов на родном языке
00:04:19
in a way that almost mimics
human communication.
таким образом, чтобы они почти
имитировали человеческое общение.
If you are wondering how we teach
these AI systems to detect lies,
Если вам интересно, как мы учим
эти системы искусственного интеллекта
распознавать ложь,
распознавать ложь,
here is where something called
fine-tuning comes in.
то здесь на помощь приходит
так называемая тонкая настройка.
But let's use a metaphor.
Но давайте воспользуемся метафорой.
Imagine large language models
being as students
Представьте себе, что большие
языковые модели — это учащиеся,
00:04:36
who have gone through years of school,
прошедшие несколько лет обучения в школе,
learning a little bit about everything,
изучающие всё понемногу:
such as language, concepts, facts.
язык, концепции, факты.
But when it's time for them to specialize,
Но когда приходит время
специализироваться,
like in law school or in medical school,
например, на юридическом факультете
или в медицинском училище,
00:04:50
they need more focused training.
им необходимо более
целенаправленное обучение.
Fine-tuning is that extra education.
Тонкая настройка — это
дополнительное образование.
And of course, large language models
don't learn as humans do.
И, конечно, большие языковые модели
не учатся так, как люди.
But this is just to give you
the main idea.
Но это просто для того,
чтобы дать вам основную идею.
Для просмотра параллельного текста полностью залогиньтесь или зарегистрируйтесь