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 3 из 3 ←предыдущая следующая→ ...
00:05:04
Then, as for training students,
you need books, lectures, examples,
Тогда, что касается обучения студентов,
нужны книги, лекции, примеры,
for training large language models
you need datasets.
для обучения больших языковых
моделей нужны наборы данных.
And for our study
we considered three datasets,
В нашем исследовании
мы рассмотрели три набора данных:
one about personal opinions,
один — о личном мнении,
one about past autobiographical memories
один — о прошлых
автобиографических воспоминаниях,
00:05:25
and one about future intentions.
и ещё один — о будущих намерениях.
These datasets were already available
from previous studies
Эти наборы данных уже были получены
в ходе предыдущих исследований
and contained both truthful
and deceptive statements.
и содержали как правдивые,
так и вводящие в заблуждение утверждения.
Typically, you collect
these types of statements
Обычно вы собираете такие утверждения,
by asking participants to tell the truth
or to lie about something.
попросив участников рассказать правду
или солгать о чём-либо.
00:05:42
For example, if I was a participant
in the truthful condition,
Например, если бы я был
участником в правдивом состоянии,
and the task was
и задача —
"tell me about your past holidays,"
«расскажи мне о своих прошлых каникулах»,
then I will tell the researcher
about my previous holidays in Vietnam,
я рассказал бы исследователю
о своих недавних каникулах во Вьетнаме,
and here we have a slide to prove it.
и вот вам слайд, подтверждающий это.
00:05:57
For the deceptive condition
Для ложного состояния
they will randomly pick some of you
who have never been to Vietnam,
они случайным образом
выберут некоторых из вас,
кто никогда не был во Вьетнаме,
кто никогда не был во Вьетнаме,
and they will ask you to make up a story
и попросят вас придумать историю
and convince someone else
that you've really been to Vietnam.
и убедить кого-то в том,
что вы действительно были во Вьетнаме.
And this is how it typically works.
Вот как это обычно работает.
00:06:12
And as in all university courses,
you might know this,
И, как на всех университетских
курсах, вы, наверное, знаете,
after lectures you have exams.
что после лекций у вас экзамены.
And likewise after training our AI models,
Точно так же, после обучения
наших моделей искусственного интеллекта,
we would like to test them.
мы хотели бы протестировать их.
And the procedure that we followed,
И процедура, которой мы следовали,
00:06:27
that is actually the typical one,
is the following.
которая на самом деле является
типичной, выглядит следующим образом.
So we picked some statements
randomly from each dataset
Мы произвольно выбрали несколько
утверждений из каждого набора данных
and we took them apart.
и разобрали их на части.
So the model never saw these statements
during the training phase.
Таким образом, модель никогда не видела
этих утверждений на этапе обучения.
And only after the training was completed,
И только после завершения обучения
00:06:44
we used them as a test, as the final exam.
мы использовали их в качестве теста
или итогового экзамена.
But who was our student then?
Но кто тогда был нашим учеником?
In this case, it was
a large language model
В данном случае это
была большая языковая модель,
developed by Google
разработанная Google
and called FLAN-T5.
и названная FLAN-T5.
00:06:58
Flanny, for friends.
Фланни, для друзей.
And now that we have all the pieces
of the process together,
Теперь, когда мы собрали
все элементы процесса воедино,
we can actually dig deep into our study.
мы можем углубиться в наше исследование.
Our study was composed
by three main experiments.
Наше исследование состояло
из трёх основных экспериментов.
For the first experiment,
we fine-tuned our model, our FLAN-T5,
В первом эксперименте мы
доработали нашу модель FLAN-T5
00:07:19
on each single dataset separately.
отдельно для каждого набора данных.
For the second experiment,
Во втором эксперименте
we fine-tuned our model
on two pairs of datasets together,
мы доработали нашу модель
на двух парах наборов данных,
and we tested it
on the third remaining one,
и протестировали её
на третьем оставшемся наборе данных.
and we used all three
possible combinations.
Мы использовали все три
возможные комбинации.
00:07:37
For the last final experiment,
В последнем заключительном эксперименте
Для просмотра параллельного текста полностью залогиньтесь или зарегистрируйтесь
←предыдущая следующая→ ...