Google και Harvard δημιουργούν τεράστια βάση δεδομένων με 1 εκ. βιβλία, δημόσια διαθέσιμα για εκπαίδευση AI μοντέλων

[Axlmon]

Το Πανεπιστήμιο Harvard Ανοίγει Νέους Ορίζοντες στην Εκπαίδευση Τεχνητής Νοημοσύνης

Το Πανεπιστήμιο Harvard, αναγνωρίζοντας τη μεταβαλλόμενη δυναμική στον τομέα της τεχνητής νοημοσύνης, ανακοίνωσε την Πέμπτη μια πρωτοποριακή πρωτοβουλία. Μέσω του νεοσύστατου Institutional Data Initiative, το πανεπιστήμιο διαθέτει ένα εκατομμύριο βιβλία για την εκπαίδευση μοντέλων τεχνητής νοημοσύνης, με την υποστήριξη κολοσσών όπως η Microsoft και η OpenAI.

Η συλλογή, που προέρχεται από ψηφιοποιήσεις του Google Books, περιλαμβάνει έργα των οποίων τα πνευματικά δικαιώματα έχουν λήξει. Το περιεχόμενο καλύπτει ένα εντυπωσιακό εύρος, από κλασικά αριστουργήματα των Shakespeare, Dickens και Dante μέχρι εξειδικευμένα τσεχικά εγχειρίδια μαθηματικών και ουαλικά λεξικά τσέπης.

Η πρωτοβουλία έρχεται σε μια κρίσιμη στιγμή για τον κλάδο της τεχνητής νοημοσύνης. Τα θεμελιώδη γλωσσικά μοντέλα, όπως το ChatGPT, απαιτούν τεράστιους όγκους ποιοτικού κειμένου για την εκπαίδευσή τους. Όσο περισσότερες πληροφορίες επεξεργάζονται, τόσο καλύτερα αποδίδουν στη μίμηση ανθρώπινης συμπεριφοράς και στην παροχή γνώσεων.

Ωστόσο, η αυξανόμενη ανάγκη για δεδομένα έχει οδηγήσει σε νομικές διαμάχες. Μεγάλοι εκδοτικοί οίκοι, συμπεριλαμβανομένων των Wall Street Journal και New York Times, έχουν προσφύγει στη δικαιοσύνη κατά της OpenAI και της Perplexity για μη εξουσιοδοτημένη χρήση του περιεχομένου τους.

Οι υπερασπιστές των εταιρειών τεχνητής νοημοσύνης προβάλλουν το επιχείρημα ότι η διαδικασία μάθησης των ΑΙ μοντέλων προσομοιάζει την ανθρώπινη εκπαίδευση. Όπως οι άνθρωποι μελετούν, διαβάζουν και συνθέτουν νέο περιεχόμενο, έτσι και τα ΑΙ μοντέλα επεξεργάζονται και αξιοποιούν υπάρχουσες πηγές.

Παράλληλα, παρατηρείται μια αυξανόμενη τάση προστασίας των δεδομένων από πλατφόρμες κοινωνικής δικτύωσης. Το Reddit έχει συνάψει συμφωνίες εκατομμυρίων με τη Google, ενώ το X διατηρεί αποκλειστική συνεργασία με την xAI του Elon Musk για την εκπαίδευση μοντέλων τεχνητής νοημοσύνης.

Ειδικοί του κλάδου επισημαίνουν ότι παρά τον εντυπωσιακό αριθμό, το ένα εκατομμύριο βιβλία δεν επαρκεί για τις σύγχρονες ανάγκες εκπαίδευσης ΑΙ. Τα παλαιότερα κείμενα στερούνται σύγχρονης ορολογίας και εκφράσεων, ιδιαίτερα της γλώσσας που χρησιμοποιεί η Γενιά Ζ.

Η αγορά αδειών χρήσης σύγχρονου περιεχομένου αναμένεται να αποτελέσει μια ραγδαία αναπτυσσόμενη βιομηχανία. Αναλυτές προβλέπουν ότι μέχρι το 2026, η αξία της αγοράς δεδομένων για εκπαίδευση ΑΙ θα ξεπεράσει τα 10 δισεκατομμύρια δολάρια ετησίως.

Οι εταιρείες τεχνητής νοημοσύνης αναζητούν συνεχώς τρόπους διαφοροποίησης των μοντέλων τους μέσω αποκλειστικών πηγών δεδομένων. Η πρωτοβουλία του Harvard προσφέρει μια νόμιμη βάση εκκίνησης, αλλά η μάχη για πρόσβαση σε σύγχρονο περιεχόμενο μόλις αρχίζει.

Η πρωτοβουλία του Harvard έχει ήδη προσελκύσει το ενδιαφέρον άλλων ακαδημαϊκών ιδρυμάτων, με το MIT και το Stanford να εξετάζουν παρόμοιες δράσεις για το 2025.

Διαβάστε ολόκληρο το άρθρο

[herbalife3]

Θα πάρουν και βαθμούς στο τέλος;🤣

[geopel]

Τόσα ξέρει η μλκ 🤣🤣🤣🤣

 

[kaiadas4]

1 hour ago, herbalife3 said:

Θα πάρουν και βαθμούς στο τέλος;🤣

 

1 hour ago, geopel said:

Τόσα ξέρει η μλκ 🤣🤣🤣🤣

ναρκωτικα για παντα...🤣

σοβαρα παντως, ακομα στην αρχη ειμαστε για την ΑΙ. η μπιλια θα κατσει καπου σε καποια στιγμη και ολοι θα ειναι ευχαριστημενοι και ικανοποιημενοι.

[mindreader]

Δηλαδη, για να εκπαιδευτει η AI, θα βρεθει ο τροπος, ειτε για ψηφιοποιηση, ειτε για διευρυνση της διαθεσης ηδη ψηφιοποιημενων βιβλιων.

Για την ΑΙ.

Για μαθητες, σπουδαστες, ευρυτερο κοινο, δεν μας ενοιαζε να γινει μια αντιστοιχη κινηση.

Ομως μας νοιαζει για την ΑΙ.

Για την ΑΙ, θα παμε και στα σπηλαια να βρουμε ιερογλυφικη γραφη. Για να την εκπαιδευσουμε. Ολα για την ΑΙ. Πρωτα η ΑΙ.

[ScorpioX777]

Δεν ηξερα ποια ειναι η Γενια Ζ και το googlαρα και ειναι η γενια των παιδιων μου, not bad αν εχουν μαθει στην οχι αλογιστη χρηση του internet δυστυχως ομως δεν ειναι ο κανονας...

Η καλυτερη γενια θα ελεγα ηταν η δικη μου η Γενια Γ(δικο μου ειναι αυτο😄) που στην εφηβεια - ενηλικιωση ειχαμε 2 καναλια στην τηλεοραση και ολη μερα την βγαζαμε με παιχνιδι, παραλια, ντισκοτεκ, καμακι, μηχανακι, και γενικα μια ανεμελια που δεν βρισκεις σημερα ουτε κατα διανοια ...

Και οταν βγηκε το ιντερνετ ζησαμε ολη την εξελιξη του μεχρι σημερα...

Αναπολησα παλι...
 

Επεξ/σία 17 Δεκεμβρίου 2024 από ScorpioX777

[dikasths]

Το pornhub έχει ανοίξει το περιεχόμενο του για εκπαίδευση των ΑΙ μοντέλων; 

[dimitris_sal]

1 hour ago, geopel said:

Τόσα ξέρει η μλκ 🤣🤣🤣🤣

Fixed! ☘️☘️☘️☘️☘️☘️☘️

[ScorpioX777]

7 λεπτά πριν, dimitris_sal είπε

Fixed! ☘️☘️☘️☘️☘️☘️☘️

Για τα μπαζα ειναι το AI που δεν γνωριζει οχι μονο για το εβδομο αλλα θα επρεπε και να προβλεψει το back to back που θα κανουμε φετος, ολα εγω πρεπει να τα προβλεπω...😄

[dimitris_sal]

[anax111]

Και ακόμα δεν έχω δει καμία κίνηση από την χώρα μας για την προστασία των δικαιωμάτων των συγγραφέων χιλιάδων διδακτορικών μελετών που ανεβαίνουν βάση του νόμου ελεύθερα στο διαδίκτυο. Τζάμπα φαγητό για τις ΑΙ από τους ηλίθιους της υφηλίου. 

[satsok2]

7 λεπτά πριν, anax111 είπε

Και ακόμα δεν έχω δει καμία κίνηση από την χώρα μας για την προστασία των δικαιωμάτων των συγγραφέων χιλιάδων διδακτορικών μελετών που ανεβαίνουν βάση του νόμου ελεύθερα στο διαδίκτυο. Τζάμπα φαγητό για τις ΑΙ από τους ηλίθιους της υφηλίου. 

Μετά απο κανα δυο χρονια δεν απελευθερωνονται αυτα;

Εξαλλου κάνουμε ερευνα σπάζοντας πετρες.

[maarinos]

Χάρηκα στο “Google και Harvard δημιουργούν τεράστια βάση δεδομένων με 1 εκ. βιβλία, δημόσια διαθέσιμα“  επιτέλους θα έχει πρόσβαση σε γνώση όσοι δεν έχουν την οικονομική δυνατότητα...........και απογοητευτικά στο "για εκπαίδευση AI μοντέλων";

[panther_512]

6 hours ago, ScorpioX777 said:

Δεν ηξερα ποια ειναι η Γενια Ζ και το googlαρα και ειναι η γενια των παιδιων μου, not bad αν εχουν μαθει στην οχι αλογιστη χρηση του internet δυστυχως ομως δεν ειναι ο κανονας...

Η καλυτερη γενια θα ελεγα ηταν η δικη μου η Γενια Γ(δικο μου ειναι αυτο😄) που στην εφηβεια - ενηλικιωση ειχαμε 2 καναλια στην τηλεοραση και ολη μερα την βγαζαμε με παιχνιδι, παραλια, ντισκοτεκ, καμακι, μηχανακι, και γενικα μια ανεμελια που δεν βρισκεις σημερα ουτε κατα διανοια ...

Και οταν βγηκε το ιντερνετ ζησαμε ολη την εξελιξη του μεχρι σημερα...

Αναπολησα παλι...
 

6 hours ago, ScorpioX777 said:

 

Επεξ/σία 17 Δεκεμβρίου 2024 από panther_512

[ScorpioX777]

8 λεπτά πριν, panther_512 είπε