Vytváření digitálních verzí jednotlivců, které zachycují jejich myšlení a názory, se stává realitou díky technologii Hluboká Reflexe. Giovanni Laporta, spoluzakladatel a výzkumník společnosti Vortice.ai, během rozhovoru v podcastu Canaltech vysvětlil, že tato brazilská technologie umožňuje vytvářet „digitální odrazy“, umělé inteligence trénované na základě obsahu jedné osoby, jako jsou tvůrci obsahu, učitelé nebo umělci.
- Výzkum ukazuje, že AI může mít zásadní dopad na efekt Dunning-Kruger.
- Můžete platit tomuto robotu, aby vykonával domácí úkoly místo vás.
Tento přístup se liší od metod, které používají velké technologické společnosti, jež masivně investují do produkce Velkých Jazykových Modelů (LLM), jako je ChatGPT nebo Gemini, což jsou generativní modely dat určené pro obecné účely. Laporta naznačuje, že Hluboká Reflexe jde opačným směrem, když se zaměřuje na Malé Jazykové Modely (SLM), trénující menší modely, které mají specifické znalosti pro konkrétní situace.
„Místo toho, abych trénoval velký model, který ví všechno na světě, budu trénovat malé modely, přičemž každý malý model má specifické znalosti,“ uvedl Giovanni Laporta.
Zaměření na specifičnost a humanizaci
Motivace pro vývoj této technologie spočívá ve schopnosti pracovat s vysoce specifickým obsahem. Cílem není poskytovat obecné odpovědi, ale napodobit vědomí jedince, zachycující jeho myšlenky, slova a názory, a emulovat individualizované digitální vědomí.
Laporta podrobně popisuje, že klíčovým rozdílem je personalizovaná odpověď. „Dnešní lidé nechtějí obecné odpovědi. Chtějí odpověď od konkrétního jedince. Jak ten konkrétní jedinec myslí,“ vysvětluje.
Hluboká Reflexe může být aplikována v jakémkoli oboru a je aktuálně přímo využívána tvůrci obsahu, což umožňuje publiku interagovat s digitálním odrazem pomocí stejných slov a žargonů jako originál.
V oblasti vzdělávání například student, který interaguje s AI konkrétního učitele, „bude mít pocit, že se účastní hodiny s tímto učitelem“, protože umělá inteligence se učí z textů, zvuků, videí a obrázků, replikující tempo a způsob vyjadřování.
Proces tréninku je považován za rychlý, protože množství dat od tvůrce obsahu je malé ve srovnání s gigabajty potřebnými pro LLM.
Rizika a výzvy
Pokud jde o rizika, výzkumník se zabýval problémem zneužití, jako jsou deepfakes a ztráta sledovatelnosti autorských práv. Laporta upozorňuje, že rychlý pokrok generativní AI vyvolává složité otázky ohledně platnosti zvukových a video záznamů jako soudních důkazů, což je výzva, která vyžaduje přizpůsobení společnosti. Zdůrazňuje však dvojí povahu interakce: „Učíme se používání umělé inteligence, učíme se pracovat s prompty a umělá inteligence se učí s námi.“
Pro více informací o Hluboké Reflexi, modelech AI a budoucnosti digitální přítomnosti si poslechněte celý epizod podcastu Canaltech.
