مطبعة أخبار وول ستريت:
Character.ai هو أحد أهم نجوم بدء التشغيل في طفرة الذكاء الاصطناعي الحالية. المنتج الرئيسي للشركة هو روبوت دردشة AI قابل للتخصيص ، وهو موجه لاحتياجات الترفيه للمستهلكين C-end ، ولديه القدرة على المرافقة عاطفياً وإنشاء شخصيات خيالية. يسمح Charater.AI للمستخدمين بإنشاء روبوتات الدردشة الخاصة بهم مع شخصيات وتصاميم ومخزونات معرفية محددة ، مثل مشاهير العالم والشخصيات التاريخية والشخصيات الخيالية في الأدب والسينما والتلفزيون وحتى الحيوانات ، مما يوفر للمستخدمين تجربة دردشة جديدة وغامرة.
مصدر الصورة: تم إنشاؤه بواسطة Unbounded AI
في بداية هذا العام ، أنجزت Charater.ai تمويلًا من الدرجة الأولى بقيمة 150 مليون دولار أمريكي ، بتقييم يزيد عن مليار دولار أمريكي ، وتمت ترقيته إلى شركة يونيكورن ، بفريق مكون من 22 شخصًا فقط.
في أبريل ، أجرى برنامج بودكاست نو بريورز مقابلة مع الرئيس التنفيذي لشركة Character.ai Noam Shazeer ، وهو عضو سابق في فريق Google Brain.
** وجهة النظر الأساسية: **
في وقت مبكر من عام 2021 ، كان لدى Google القدرة على إطلاق روبوت محادثة AI قبل OpenAI ، لكنها استسلمت بسبب مخاوف أمنية.أصبح جبن الشركات الكبرى أيضًا سبب تركه لشركة Google واختياره بدء عمل تجاري.
تكمن أكبر ميزة لـ Character في إستراتيجية المنتج الموجهة للمستخدم. أصبح روبوت الدردشة المدعوم بالذكاء الاصطناعي القابل للتخصيص بالكامل وسيلة للكثيرين للتخلص من الشعور بالوحدة ، حتى أن بعض المستخدمين يقولون إن الشخصية هي مستشارهم الجديد. يعتقد نعوم أن الذكاء الاصطناعي لديه إمكانات كبيرة للدعم العاطفي. لا يتطلب عمل الدعم العاطفي ذكاءً عاليًا ، فعلى سبيل المثال ، يمكن للكلاب الأليفة القيام بعمل دعم عاطفي جيدًا ، على الرغم من أن الكلاب ليست ذكية ولا يمكنها التحدث ، وبالمثل ، يمكن للذكاء الاصطناعي ذي المعلمات المحدودة أيضًا إكمال هذه المهمة.
3 تميل متطلبات البيانات إلى الزيادة أضعافًا مضاعفة مع قوة الحوسبة ، ولكن البيانات ليست نادرة.يمكن للإنترنت توفير بيانات غير محدودة تقريبًا ، ويفكر Character أيضًا في استخدام الذكاء الاصطناعي لتوليد المزيد من البيانات.
4 Character.ai لا يزال في مرحلة حرق الأموال من أجل الحجم ، ولا يزال نموذج العمل قيد الاستكشاف.في المستقبل ، سينظر الفريق في توسيع نطاق أعمال TOB.
5 يعتقد نعوم أن الذكاء الاصطناعي العام هو هدف العديد من الشركات الناشئة في مجال الذكاء الاصطناعي. لكن ** السبب الحقيقي وراءه لبدء عمل تجاري هو تعزيز تطوير التكنولوجيا واستخدام التكنولوجيا للتغلب على المشاكل الصعبة ، مثل الأمراض المستعصية الطبية. وأشار إلى أن الذكاء الاصطناعي يمكنه تسريع تقدم العديد من الأبحاث ، وبدلاً من دراسة الطب بشكل مباشر ، من الأفضل دراسة الذكاء الاصطناعي. **
فيما يلي النص الحرفي للبودكاست الصوتي. ELAD و SARAH هم مضيفو البث. من أجل الفهم ، تم حذف بعض المقاطع.
خبرة العمل المبكرة في Google وولادة Transformer
يعيش:
لقد عملت في البرمجة اللغوية العصبية والذكاء الاصطناعي لفترة طويلة. لقد عملت في Google وإيقافه لمدة 17 عامًا ، حيث تدور أسئلة المقابلة حول حلول التدقيق الإملائي. عندما انضممت إلى Google ، كان Phil Cluster أحد الأنظمة الرئيسية لاستهداف الإعلانات في ذلك الوقت ، وهو ما كتبته أنت وجورج هيريك. أود أن أعرف عن تاريخ عملك على نماذج لغة البرمجة اللغوية العصبية للذكاء الاصطناعي ، كيف تطور كل هذا ، كيف بدأت ، ما الذي أثار اهتمامك؟
نعم ：
شكرا لك العاد. نعم ، فقط ، دائمًا ما يمثل عامل جذب طبيعي للذكاء الاصطناعي. نأمل أن يجعل الكمبيوتر يقوم بشيء ذكي. يبدو أنها أكثر تسلية لعبة حولها. كنت محظوظًا بما يكفي لاكتشاف Google مبكرًا وشاركت في الكثير من المشاريع المبكرة هناك ، ربما لن تسميها ذكاءً اصطناعيًا الآن. منذ عام 2012 ، انضممت إلى فريق Google Brain. قم ببعض الأشياء الممتعة مع مجموعة من الأشخاص الأذكياء حقًا. لم أقم بالتعلم العميق أو الشبكات العصبية من قبل.
يعيش:
كنت أحد المشاركين في ورقة المحولات في عام 2017 ، ثم شاركت في العمل على Mesh-TensorFlow. هل يمكنك التحدث قليلاً عن كيفية عمل كل هذا؟
نعم ：
يعد التعلم العميق ناجحًا لأنه مناسب تمامًا للأجهزة الحديثة ، ولديك هذا الجيل من الرقائق التي تتطلب ، في مضاعفة المصفوفة وأشكال أخرى من الأشياء ، الكثير من العمليات الحسابية مقابل الاتصال. لذلك بدأ التعلم العميق بشكل أساسي ، فهو يعمل أسرع بآلاف المرات من أي شيء آخر. بمجرد أن فهمت الأمر ، بدأت في تصميم أشياء كانت ذكية وسريعة حقًا. المشكلة الأكثر إثارة الآن هي نمذجة اللغة. نظرًا لوجود كمية لا حصر لها من البيانات ، ما عليك سوى مسح الشبكة ويمكنك الحصول على جميع بيانات التدريب التي تريدها.
تعريف المشكلة بسيط للغاية ، هو التنبؤ بالكلمة التالية ، القط السمين الذي يجلس عليها ، ما هي الكلمة التالية. من السهل جدًا تحديده ، وإذا كان بإمكانك فعل ذلك جيدًا ، فيمكنك الحصول على كل ما تراه الآن ، ويمكنك التحدث مباشرة إلى هذا الشيء ، إنه حقًا ذكاء اصطناعي. لذلك ، في حوالي عام 2015 أو نحو ذلك ، بدأت العمل على نمذجة اللغة والعمل مع الشبكات العصبية المتكررة ، وهو الشيء العظيم في ذلك الوقت. ثم ظهر المحول.
سمعت زملائي المجاور يتحدثون عن الرغبة في استبدال RNNs بشيء أفضل. كنت مثل ، هذا يبدو جيدًا ، أريد المساعدة ، RNNs مزعجة ، سيكون هذا أكثر إثارة للاهتمام.
يعيش:
هل يمكنك أن تصف بسرعة الفرق بين الشبكة العصبية المتكررة والمحول أو النموذج القائم على الانتباه؟
نعم ：
الشبكات العصبية المتكررة هي حسابات مستمرة ، فكل كلمة تقرأها للكلمة التالية ، تقوم بحساب حالة دماغك الحالية بناءً على الحالة القديمة لعقلك ومحتوى الكلمة التالية. ثم أنت تتوقع الكلمة التالية. إذن ، لديك هذا التسلسل الطويل جدًا من الحسابات التي يجب إجراؤها بالتتابع ، وهكذا ، فإن سحر المحول هو أنه يمكنك معالجة التسلسل بأكمله مرة واحدة.
يعتمد التنبؤ للكلمة التالية على ما كانت عليه الكلمة السابقة ، ولكنه يحدث في خطوة ثابتة ، ويمكنك الاستفادة من هذا التوازي ، يمكنك النظر إلى الأمر برمته مرة واحدة ، مثل التوازي الذي تجيده الأجهزة الحديثة .
يمكنك الآن الاستفادة من طول المتسلسلة ، والتوازي ، وكل شيء يعمل بشكل جيد حقًا. الاهتمام نفسه. يشبه الأمر نوعًا ما إذا كنت تنشئ هذا الارتباط الكبير لقيمة المفتاح في الذاكرة ، فأنت تحب بناء هذا الجدول الكبير بإدخال لكل كلمة في التسلسل. ثم تبحث عن الأشياء في هذا الجدول. كل ذلك يشبه الوظيفة الغامضة والتفاضلية والكبيرة والفرنسية التي يمكنك من خلالها القيام بالعكس. يستخدم الأشخاص هذا لحل مشاكل متسلسلة ، حيث يكون لديك ترجمة آلية وترغب في الترجمة من الإنجليزية إلى الفرنسية ، لذلك عندما تقوم بإنشاء التسلسل الفرنسي ، فأنت تحب النظر إلى التسلسل الإنجليزي ومحاولة الانتباه إلى الموضع الصحيح في التسلسل. لكن الفكرة هنا هي أنه يمكنك استخدام نفس الاهتمام للنظر إلى الماضي من هذا التسلسل الذي تحاول القيام به. تكمن السرور في أنه يعمل بشكل جيد مع وحدات معالجة الرسومات (GPU) ووحدات معالجة الرسومات (GPU) ، مما يوازي تطوير التعلم العميق لأنه يعمل بشكل جيد على الأجهزة الموجودة. وهذا يجلب نفس الشيء إلى التسلسلات.
ساره:
نعم ، أعتقد أن المثال الكلاسيكي لمساعدة الأشخاص على تخيلها هو قول نفس الجملة باللغتين الفرنسية والإنجليزية ، ترتيب الكلمات مختلف ، فأنت لست مخططاً فردياً في هذا التسلسل ، وتكتشف كيفية افعل ذلك بدون المعلومات افعل ذلك مع الحساب الموازي في حالة الخسارة. لذلك فهو مثل شيء أنيق للغاية للقيام به.
يعيش:
يبدو أيضًا أن هذه التقنية تُستخدم في مجموعة متنوعة من المجالات المختلفة. من الواضح أن هذه نماذج لغة متعددة الوسائط. لذا فهي مثل دردشة GPT أو شخصية تقوم بها. لقد اندهشت أيضًا من بعض التطبيقات مثل Alpha Folding ، وهي عملية طي البروتين التي قامت بها Google ، وهي تعمل في الواقع بطريقة أداء ضخمة. هل هناك أي مجالات تطبيق وجدت أنها غير متوقعة حقًا بالنسبة لكيفية عمل المحولات وما يمكن أن تفعله؟
نعم ：
أنا فقط أحني رأسي على اللغة ، مثل هنا لديك مشكلة ويمكنك فعل أي شيء. آمل أن يكون هذا الشيء جيد بما فيه الكفاية. لذلك سألته ، كيف تعالج السرطان؟ ثم يكون الأمر أشبه باختراع حل. لذلك ، كنت أتجاهل تمامًا ما يفعله الناس في كل هذه الأوضاع الأخرى ، وأعتقد أن الكثير من النجاح المبكر في التعلم العميق كان مع الصور ، والناس متحمسون للصور ولكنهم يتجاهلونها تمامًا. لأن الصورة تساوي ألف كلمة ، لكنها تحتوي على مليون بكسل ، لذا فإن النص أكثر كثافة ألف مرة. لذا ، فأنا من أشد المعجبين بالمعنى الحرفي للكلمة. لكن من المثير جدًا رؤيتها تنطلق بكل هذه الطرق الأخرى. هذه الأشياء رائعة. إنه مفيد للغاية لبناء المنتجات التي يرغب الناس في استخدامها ، لكنني أعتقد أن الكثير من الذكاء الأساسي سيأتي من هذه النماذج النصية.
حدود النماذج الكبيرة: قوة الحوسبة ليست مشكلة ولا البيانات
يعيش:
ما رأيك في حدود هذه النماذج؟ غالبًا ما يتحدث الناس عن المقياس فقط ، كما لو أنك تطرح المزيد من قوة الحوسبة وسيتوسع هذا الشيء بشكل أكبر. هناك بيانات وأنواع مختلفة من البيانات قد تكون موجودة أو لا توجد. وتعديل الخوارزمية ، وإضافة أشياء جديدة مثل الذاكرة أو الاسترجاع أو شيء من هذا القبيل. ما رأيك في الأشياء الكبيرة التي لا يزال الناس بحاجة إلى بنائها ، وأين تعتقد أنه يتم استغلالها كمعمارية؟
نعم ：
نعم ، لا أعرف ما إذا كان سيتم القضاء عليه. أعني ، لم نر ذلك يخرج بعد. ربما لا شيء مقارنة بكمية العمل التي تدخل فيها. لذلك من المحتمل أن يكون هناك كل أنواع عدم الكفاءة التي يحصل عليها الناس مع خوارزميات تدريب أفضل ، وبنى نموذجية أفضل ، وطرق أفضل لبناء الرقائق واستخدام القياس وكل ذلك. وبعد ذلك سيكون هناك 10 و 100 و 1000 من العوامل مثل التوسع والمال التي سيضخها الناس في هذا الشيء لأنه مهلا ، الجميع أدرك للتو أن هذا الشيء ذو قيمة لا تصدق. في الوقت نفسه ، لا أعتقد أن أي شخص يرى مدى جودة هذا الشيء بالنسبة للحائط. لذلك أعتقد أنه مجرد ، سوف يستمر في التحسن. لا أعرف ولا أعرف ما الذي يمنعه.
ساره:
ما رأيك في هذه الفكرة ، يمكننا زيادة قوة الحوسبة ، لكن بيانات التدريب النموذجية الأكبر ليست كافية. لقد استخدمنا جميع البيانات النصية المتاحة بسهولة على الإنترنت. علينا أن نذهب لتحسين الجودة ، علينا أن ننتقل إلى ردود الفعل البشرية. بماذا تفكر.
نعم ：
مع وجود 10 مليارات شخص ، ينتج كل شخص 1000 أو 10000 كلمة ، وهي كمية هائلة من البيانات. نقوم جميعًا بالكثير من المحادثات مع أنظمة الذكاء الاصطناعي. لذلك ، لدي شعور بأن الكثير من البيانات ستدخل في بعض أنظمة الذكاء الاصطناعي ، أعني بطريقة تحافظ على الخصوصية ، وآمل أن يتم نقل البيانات. ثم تميل متطلبات البيانات إلى التوسع بشكل كبير مع قوة الحوسبة لأنك تقوم بتدريب نموذج أكبر ثم تقوم بإلقاء المزيد من البيانات عليه. لست قلقًا بشأن نقص البيانات ، فقد نتمكن من إنشاء المزيد من البيانات باستخدام الذكاء الاصطناعي.
يعيش:
ثم ما هي برأيك المشاكل الرئيسية التي ستحلها هذه النماذج في المستقبل؟ هل هي هلوسة أم ذكرى أم شيء آخر؟
نعم ：
ليس لدي أي فكرة. أنا نوعا ما مثل الهلوسة.
ساره:
هذه أيضا ميزة.
نعم ：
أكثر ما نريد فعله هو التذكر ، لأن مستخدمينا يريدون بالتأكيد أن يتذكرهم أصدقاؤهم الافتراضيون. يمكنك فعل الكثير من خلال التخصيص ، فأنت تريد تفريغ الكثير من البيانات واستخدامها بفعالية. هناك الكثير من العمل الجاري لمحاولة اكتشاف ما هو حقيقي وما هو الهلوسة. بالطبع ، أعتقد أننا سنصلح ذلك.
قصة شخصية شخصية
يعيش:
أخبرني قليلاً عن LaMDA ودورك فيه ، كيف توصلت إلى شخصية Character؟
نعم ：
المؤسس المشارك لي ، دانيال فريتاس ، هو الرجل الأكثر عملًا ، والأكثر جدًّا ، والأذكى الذي التقيت به في حياتي. لقد كان يعمل على هذه المهمة لبناء روبوتات محادثة طوال حياته. كان يحاول إنشاء روبوتات محادثة منذ أن كان طفلاً. لذلك انضم إلى Google Brain. قرأ بعض الأوراق واعتقد أن تقنية نمذجة اللغة العصبية كانت شيئًا يمكن حقًا التعميم وبناء مجال مفتوح حقًا.
على الرغم من أنه لم يحصل على دعم الكثير من الناس ، إلا أنه أخذ هذا المشروع كخط جانبي وقضى 20٪ من وقته فيه.
ثم قام بتجنيد جيش مكون من 20 في المائة من المساعدين الذين ساعدوه في إنشاء النظام.
حتى أنه يتجول في الاستيلاء على حصة TPU الخاصة بأشخاص آخرين ، ويطلق على مشروعه Mina لأنه يحبه ، وقد توصل إليه في حلم أعتقد. في مرحلة ما نظرت إلى لوحة النتائج وفكرت في هذا الشيء المسمى Mina ، فلماذا يحتوي على 30 نقطة من TPU؟
يعيش:
LaMDA مثل هذا ، أعلم أنه برنامج محادثة داخلي أنشأته Google قبل GPT. أصبحت الأخبار مشهورة لأن مهندسًا اعتقد أنها تتمتع بالحكمة.
نعم ：
نعم ، لقد وضعناها على بعض النماذج اللغوية الكبيرة ، ثم كان هناك ضجة داخل الشركة ، وتمت إعادة تسمية مينا باسم LaMDA ، وبحلول ذلك الوقت ، كنا قد غادرنا ، وكان هناك أشخاص يعتقدون أن لديها حياة.
ساره:
لماذا لم يُفرج عنه لاحقًا ، وما مخاوفه؟
نعم ：
بالنسبة لشركة كبيرة ، يعد إطلاق منتج يعرف كل شيء أمرًا خطيرًا بعض الشيء. أعتقد أنها مجرد مسألة مخاطرة. لذلك ، بعد الكثير من المداولات ، بدا أن بدء عمل تجاري هو الفكرة الصحيحة.
ساره:
ما هي قصة أصل الشخصية؟
نعم ：
نريد فقط بناء شيء ما وطرحه في السوق في أسرع وقت ممكن. لقد شكلت فريقًا من المهندسين والباحثين ، وحصلت على بعض القوة الحاسوبية ، وبدأت نشاطًا تجاريًا.
يعيش:
كيف تقوم بتجنيد؟
نعم ：
تصادف أن بعض الرجال الذين قابلناهم في Google قد تعرفوا على Myat الذي كان من Meta ، وقد طرح كثيرًا ، وقام ببناء الكثير من نماذج اللغة الكبيرة والبنية التحتية لنموذج اللغة العصبية الخاص بهم ، وبعض الأشخاص الآخرين من تبعه ميتا ، إنهم لطيفون للغاية.
يعيش:
هل لديك متطلبات أو طرق اختبار محددة عندما تبحث عن المواهب؟ أم أنها مجرد مقابلة عادية؟
نعم
أعتقد أن الأمر يعتمد إلى حد كبير على الدافع. أعتقد أن دانيال يركز بشدة على التحفيز ، فهو يبحث عن حالة بين رغبة قوية وحلم الطفولة ، لذلك هناك الكثير من الأشخاص الجيدين الذين لا نوظفهم لأنهم لا يصلون إلى هذا المستوى ، لكننا أيضًا نوظف كثير من الناس ، هم مثاليون للانضمام إلى شركة ناشئة ، فهم موهوبون للغاية ومندفعون.
هناك بالفعل Siri و Alexa في السوق ، فلا تنافسوا بشكل مباشر مع الشركات الكبرى من حيث الوظائف
ساره:
بالحديث عن أحلام الطفولة ، هل ترغب في وصف هذا المنتج؟ لديك هذه الروبوتات ، ويمكن إنشاؤها بواسطة المستخدم ، ويمكن أن تكون شخصية ، ويمكن أن تكون شخصيات عامة ، وشخصيات تاريخية ، وشخصيات خيالية ، كيف توصلت إلى هذا النمط؟
نعم ：
غالبًا ما يعرف المستخدمون أكثر منك ما يريدون فعله بهذا الشيء. ** سيري وأليكسا ومساعد جوجل موجودان بالفعل في السوق ، ليست هناك حاجة للتنافس مع هذه الشركات الكبيرة على الوظائف. **
إذا حاولت تقديم شخصية عامة يحبها الجميع ، فلن ينتهي بك الأمر سوى الملل. والناس لا يحبون الشعور بالملل ، بل يريدون التفاعل مع الأشياء التي تبدو مثل الناس.
لذا فأنت تحتاج في الأساس إلى القيام بأحرف متعددة والسماح للأشخاص باختراع الشخصيات كما يحلو لهم ، وهناك شيء يعجبني في اسم الشخصية ، والذي له عدة معانٍ مختلفة: النص ، والشخصية ، والدور.
ساره:
إذن ، ماذا يريد الناس؟ صديق؟ كتابة رواية؟ أي شيء آخر جديد تمامًا؟
نعم ：
سيتحدث بعض المستخدمين مع شخصيات عامة افتراضية ومؤثرين على منتجاتنا. يمكن للمستخدمين إنشاء شخصية والتحدث إليها. في حين أن بعض المستخدمين قد يشعرون بالوحدة ويحتاجون إلى شخص ما للتحدث معه ، فالكثير منهم ليس لديهم من يتحدثون إليه. قد يقول البعض أن هذا الدور هو الآن مستشاري الجديد.
ساره:
طريقتان للتفكير في العواطف ، أليس كذلك؟ مثل ما مدى أهمية العلاقة التي تربط الناس بالشخصيات ، أو ما هو مستوى نحن عندما يتعلق الأمر بالتعبير عن المشاعر المتماسكة؟
نعم ：
نعم ، ** أعني على الأرجح أنك لست بحاجة إلى هذا المستوى الفكري الراقي للدعم العاطفي. العواطف رائعة ومهمة للغاية ، ولكن يمكن للكلب أيضًا القيام بعمل رائع في الدعم العاطفي. توفر الكلاب دعمًا عاطفيًا كبيرًا ولكن لديها القليل من القدرة اللفظية ، **
يعيش:
في رأيك ، ما الذي يحدث للنظام عند توسيع نطاقه؟
نعم ：
أعتقد أننا يجب أن نكون قادرين على جعله أكثر ذكاءً بطرق مختلفة. إن الحصول على المزيد من القوة الحاسوبية ، وتدريب نموذج أكبر ، والتدريب لفترة أطول يجب أن يصبح أكثر ذكاءً ، وأكثر معرفة ، وأفضل فيما يريده الناس ، وما يبحث عنه الناس.
ساره:
لديك بعض المستخدمين الذين يستخدمون الأحرف عدة ساعات في اليوم. ؟ من هو جمهورك المستهدف ما هو نمط الاستخدام المتوقع الخاص بك.
نعم ：
سنترك الأمر للمستخدم ليقرره. كان هدفنا دائمًا هو نشر الأشياء والسماح للمستخدمين بتحديد ما يعتقدون أنه مفيد له.
نرى أن الأشخاص الموجودين على موقع Character الإلكتروني اليوم ، متوسط وقت النشاط هو ساعتان. هذا هو من أرسل الرسالة اليوم ، وهي رسالة مجنونة ولكنها مهمة ، وتقول إن الناس يجدون نوعًا من القيمة.
وبعد ذلك كما قلت ، من الصعب حقًا تحديد ماهية هذه القيمة بالضبط لأنها تشبه شيئًا كبيرًا مختلطًا. لكن هدفنا هو جعل هذا الشيء أكثر فائدة للأشخاص لتخصيصه وتحديد ما يريدون فعله به. دعنا نضعها في أيدي المستخدمين ونرى ما سيحدث.
تحصيل الأموال من أجل مقياس TOC هو الأولوية الأولى
ساره:
ما رأيك في التسويق؟
نعم ：
** نخسر المال لكل مستخدم ونعوضه بالحجم. **
ساره:
جيد. هذه استراتيجية جيدة.
نعم ：
لا أنا أمزح.
يعيش:
مثل نموذج الأعمال التقليدي في التسعينيات ، فلا بأس بذلك.
ساره:
هذا أيضًا نموذج أعمال لعام 2022.
يعيش:
يجب عليك إصدار رمز وتحويله إلى شيء عملة مشفرة.
نعم ：
** سنعمل على تحقيق الدخل في وقت ما قريبًا. هذا عمل يستفيد من الكثير من قوة الحوسبة. بدلاً من حرق أموال المستثمرين ، نأمل في توفير قيمة لعدد كافٍ من المستخدمين وكسب المال على طول الطريق. قد تتم تجربة بعض الخدمات مثل أنواع الاشتراك المتميز لاحقًا. نظرًا لأننا نطور بعض الميزات الجديدة ، فقد تزيد الرسوم اللاحقة في السعر. **
يعيش:
أعني ، الشخصية كخدمة TOC انطلقت حقًا بطريقة دراماتيكية حقًا. إذا نظرت إلى عدد المستخدمين ووقت الاستخدام لكل مستخدم ، فهذا جنون. هل ستبدأ عمل TOB في المستقبل؟ مثل روبوت خدمة العملاء؟
نعم ：
لدينا الآن 22 موظفًا ، لذا نحتاج إلى تحديد الأولويات ونقوم بالتوظيف. الأولوية الأولى هي TOC.
ساره:
لذلك قلت إن أحد الأسباب الرئيسية لعدم إطلاق LaMDA على الفور هو الأمن. ماذا تظنون يا جماعة؟
نعم ：
هناك أسباب أخرى. على سبيل المثال ، لا تريد Google أن يقوم الأشخاص بإيذاء أنفسهم أو إيذاء الآخرين ، ويحتاج إلى حظر المواد الإباحية. كانت هناك بعض الاحتجاجات حول هذا.
يعيش:
هل تعتقد أن كل هذا هو الطريق إلى الذكاء الخارق أو الذكاء الخارق؟ بالنسبة لبعض الشركات ، يبدو أن هذا جزء من الهدف ، وبالنسبة للآخرين ، لا يبدو أنه هدف واضح.
نعم ：
نعم ، الذكاء الاصطناعي العام هو هدف العديد من الشركات الناشئة في مجال الذكاء الاصطناعي. ** السبب الحقيقي هو أنني أريد دفع التكنولوجيا إلى الأمام. هناك الكثير من المشاكل التقنية في العالم التي يمكن حلها ، مثل الأمراض الطبية المستعصية. يمكننا التوصل إلى حلول تقنية. **
لهذا السبب كنت أبحث عن الذكاء الاصطناعي ، ** لأنه بدلاً من دراسة الطب مباشرة ، من الأفضل دراسة الذكاء الاصطناعي ، ومن ثم يمكن استخدام الذكاء الاصطناعي لتسريع الجهود البحثية الأخرى. لهذا السبب في الأساس ، أعمل بجد على الذكاء الاصطناعي ، أريد أن أبدأ شركة تكون AGI أولاً والمنتج أولاً. **
يعتمد منتجك كليًا على جودة الذكاء الاصطناعي. إن أكبر عامل محدد لجودة منتجاتنا هو مدى ذكاء هذا الشيء. لذلك نحن الآن متحمسون تمامًا لجعل الذكاء الاصطناعي أفضل ، وجعل المنتجات أفضل.
يعيش:
نعم ، إنها حلقة رائعة حقًا للشراء والتعليقات لأن وجهة نظرك عندما تجعل منتجًا أفضل ، يتفاعل المزيد من الأشخاص معه ، مما يساعد على تحسين المنتج. لذلك فهو نهج ذكي للغاية. إلى أي مدى تعتقد أننا بعيدون عن الذكاء الاصطناعي الذي هو ذكي أو أذكى من البشر؟ من الواضح أنهم بالفعل أذكى من البشر من بعض النواحي ، لكنني كنت أفكر في شيء من هذا القبيل.
نعم ：
نحن دائمًا مندهشون من الطرق التي يمكن بها للذكاء الاصطناعي أن يتفوق على البشر. يمكن لبعض الذكاء الاصطناعي الآن القيام بواجبك المنزلي. أتمنى لو كان لدي شيء كهذا عندما كنت طفلاً.
يعيش:
ما هي النصيحة التي تقدمها لأولئك الذين لديهم خلفية مشابهة لخلفيتك؟ هل أعجبك ما تعلمته كمؤسس ولم تتعلمه بالضرورة عندما كنت تعمل في Google أو في أي مكان آخر؟
نعم ：
سؤال جيد. في الأساس ، تتعلم من أخطائك المروعة. على الرغم من أنني لا أعتقد أننا ارتكبنا أي أخطاء سيئة للغاية ، أو على الأقل أننا عوضنا عنها.
ساره:
ما نوع المواهب التي تبحث عنها؟
نعم ：
حتى الآن؟ 21 من 22 مهندسا. كما سنقوم بتوظيف المزيد من المهندسين. سواء كان ذلك التعلم العميق أو الواجهة الأمامية والخلفية ، تأكد من توظيف المزيد من الأشخاص في جانب الأعمال والمنتج.
يعيش:
آخر سؤالين أو ثلاثة أسئلة سريعة ، من هو عالم الرياضيات أو عالم الكمبيوتر المفضل لديك.
نعم ：
أعمل كثيرًا مع جيف دين (رئيس Google Brain) في Google. إنه حقًا لطيف وممتع للعمل معه. أعتقد أنه يعمل على نموذج لغتهم الكبيرة الآن. من المؤسف بعض الشيء أن أترك Google ، وآمل أن أعمل معه في المستقبل.
يعيش:
هل تعتقد أنه تم اختراع الرياضيات أو اكتشافها؟
نعم ：
أعتقد أنه ربما تم اكتشافه ، ربما تم اكتشاف كل شيء ، ونحن فقط نكتشف.
شاهد النسخة الأصلية
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
22 شخصًا تقدر قيمتها بـ 1 مليار! حوار مع الرئيس التنفيذي لـ Character.ai: بدلاً من دراسة الطب مباشرة ، من الأفضل دراسة الذكاء الاصطناعي
في بداية هذا العام ، أنجزت Charater.ai تمويلًا من الدرجة الأولى بقيمة 150 مليون دولار أمريكي ، بتقييم يزيد عن مليار دولار أمريكي ، وتمت ترقيته إلى شركة يونيكورن ، بفريق مكون من 22 شخصًا فقط.
في أبريل ، أجرى برنامج بودكاست نو بريورز مقابلة مع الرئيس التنفيذي لشركة Character.ai Noam Shazeer ، وهو عضو سابق في فريق Google Brain.
فيما يلي النص الحرفي للبودكاست الصوتي. ELAD و SARAH هم مضيفو البث. من أجل الفهم ، تم حذف بعض المقاطع.
خبرة العمل المبكرة في Google وولادة Transformer
يعيش:
لقد عملت في البرمجة اللغوية العصبية والذكاء الاصطناعي لفترة طويلة. لقد عملت في Google وإيقافه لمدة 17 عامًا ، حيث تدور أسئلة المقابلة حول حلول التدقيق الإملائي. عندما انضممت إلى Google ، كان Phil Cluster أحد الأنظمة الرئيسية لاستهداف الإعلانات في ذلك الوقت ، وهو ما كتبته أنت وجورج هيريك. أود أن أعرف عن تاريخ عملك على نماذج لغة البرمجة اللغوية العصبية للذكاء الاصطناعي ، كيف تطور كل هذا ، كيف بدأت ، ما الذي أثار اهتمامك؟
نعم ：
شكرا لك العاد. نعم ، فقط ، دائمًا ما يمثل عامل جذب طبيعي للذكاء الاصطناعي. نأمل أن يجعل الكمبيوتر يقوم بشيء ذكي. يبدو أنها أكثر تسلية لعبة حولها. كنت محظوظًا بما يكفي لاكتشاف Google مبكرًا وشاركت في الكثير من المشاريع المبكرة هناك ، ربما لن تسميها ذكاءً اصطناعيًا الآن. منذ عام 2012 ، انضممت إلى فريق Google Brain. قم ببعض الأشياء الممتعة مع مجموعة من الأشخاص الأذكياء حقًا. لم أقم بالتعلم العميق أو الشبكات العصبية من قبل.
يعيش:
كنت أحد المشاركين في ورقة المحولات في عام 2017 ، ثم شاركت في العمل على Mesh-TensorFlow. هل يمكنك التحدث قليلاً عن كيفية عمل كل هذا؟
نعم ：
يعد التعلم العميق ناجحًا لأنه مناسب تمامًا للأجهزة الحديثة ، ولديك هذا الجيل من الرقائق التي تتطلب ، في مضاعفة المصفوفة وأشكال أخرى من الأشياء ، الكثير من العمليات الحسابية مقابل الاتصال. لذلك بدأ التعلم العميق بشكل أساسي ، فهو يعمل أسرع بآلاف المرات من أي شيء آخر. بمجرد أن فهمت الأمر ، بدأت في تصميم أشياء كانت ذكية وسريعة حقًا. المشكلة الأكثر إثارة الآن هي نمذجة اللغة. نظرًا لوجود كمية لا حصر لها من البيانات ، ما عليك سوى مسح الشبكة ويمكنك الحصول على جميع بيانات التدريب التي تريدها.
تعريف المشكلة بسيط للغاية ، هو التنبؤ بالكلمة التالية ، القط السمين الذي يجلس عليها ، ما هي الكلمة التالية. من السهل جدًا تحديده ، وإذا كان بإمكانك فعل ذلك جيدًا ، فيمكنك الحصول على كل ما تراه الآن ، ويمكنك التحدث مباشرة إلى هذا الشيء ، إنه حقًا ذكاء اصطناعي. لذلك ، في حوالي عام 2015 أو نحو ذلك ، بدأت العمل على نمذجة اللغة والعمل مع الشبكات العصبية المتكررة ، وهو الشيء العظيم في ذلك الوقت. ثم ظهر المحول.
سمعت زملائي المجاور يتحدثون عن الرغبة في استبدال RNNs بشيء أفضل. كنت مثل ، هذا يبدو جيدًا ، أريد المساعدة ، RNNs مزعجة ، سيكون هذا أكثر إثارة للاهتمام.
يعيش:
هل يمكنك أن تصف بسرعة الفرق بين الشبكة العصبية المتكررة والمحول أو النموذج القائم على الانتباه؟
نعم ：
الشبكات العصبية المتكررة هي حسابات مستمرة ، فكل كلمة تقرأها للكلمة التالية ، تقوم بحساب حالة دماغك الحالية بناءً على الحالة القديمة لعقلك ومحتوى الكلمة التالية. ثم أنت تتوقع الكلمة التالية. إذن ، لديك هذا التسلسل الطويل جدًا من الحسابات التي يجب إجراؤها بالتتابع ، وهكذا ، فإن سحر المحول هو أنه يمكنك معالجة التسلسل بأكمله مرة واحدة.
يعتمد التنبؤ للكلمة التالية على ما كانت عليه الكلمة السابقة ، ولكنه يحدث في خطوة ثابتة ، ويمكنك الاستفادة من هذا التوازي ، يمكنك النظر إلى الأمر برمته مرة واحدة ، مثل التوازي الذي تجيده الأجهزة الحديثة .
يمكنك الآن الاستفادة من طول المتسلسلة ، والتوازي ، وكل شيء يعمل بشكل جيد حقًا. الاهتمام نفسه. يشبه الأمر نوعًا ما إذا كنت تنشئ هذا الارتباط الكبير لقيمة المفتاح في الذاكرة ، فأنت تحب بناء هذا الجدول الكبير بإدخال لكل كلمة في التسلسل. ثم تبحث عن الأشياء في هذا الجدول. كل ذلك يشبه الوظيفة الغامضة والتفاضلية والكبيرة والفرنسية التي يمكنك من خلالها القيام بالعكس. يستخدم الأشخاص هذا لحل مشاكل متسلسلة ، حيث يكون لديك ترجمة آلية وترغب في الترجمة من الإنجليزية إلى الفرنسية ، لذلك عندما تقوم بإنشاء التسلسل الفرنسي ، فأنت تحب النظر إلى التسلسل الإنجليزي ومحاولة الانتباه إلى الموضع الصحيح في التسلسل. لكن الفكرة هنا هي أنه يمكنك استخدام نفس الاهتمام للنظر إلى الماضي من هذا التسلسل الذي تحاول القيام به. تكمن السرور في أنه يعمل بشكل جيد مع وحدات معالجة الرسومات (GPU) ووحدات معالجة الرسومات (GPU) ، مما يوازي تطوير التعلم العميق لأنه يعمل بشكل جيد على الأجهزة الموجودة. وهذا يجلب نفس الشيء إلى التسلسلات.
ساره:
نعم ، أعتقد أن المثال الكلاسيكي لمساعدة الأشخاص على تخيلها هو قول نفس الجملة باللغتين الفرنسية والإنجليزية ، ترتيب الكلمات مختلف ، فأنت لست مخططاً فردياً في هذا التسلسل ، وتكتشف كيفية افعل ذلك بدون المعلومات افعل ذلك مع الحساب الموازي في حالة الخسارة. لذلك فهو مثل شيء أنيق للغاية للقيام به.
يعيش:
يبدو أيضًا أن هذه التقنية تُستخدم في مجموعة متنوعة من المجالات المختلفة. من الواضح أن هذه نماذج لغة متعددة الوسائط. لذا فهي مثل دردشة GPT أو شخصية تقوم بها. لقد اندهشت أيضًا من بعض التطبيقات مثل Alpha Folding ، وهي عملية طي البروتين التي قامت بها Google ، وهي تعمل في الواقع بطريقة أداء ضخمة. هل هناك أي مجالات تطبيق وجدت أنها غير متوقعة حقًا بالنسبة لكيفية عمل المحولات وما يمكن أن تفعله؟
نعم ：
أنا فقط أحني رأسي على اللغة ، مثل هنا لديك مشكلة ويمكنك فعل أي شيء. آمل أن يكون هذا الشيء جيد بما فيه الكفاية. لذلك سألته ، كيف تعالج السرطان؟ ثم يكون الأمر أشبه باختراع حل. لذلك ، كنت أتجاهل تمامًا ما يفعله الناس في كل هذه الأوضاع الأخرى ، وأعتقد أن الكثير من النجاح المبكر في التعلم العميق كان مع الصور ، والناس متحمسون للصور ولكنهم يتجاهلونها تمامًا. لأن الصورة تساوي ألف كلمة ، لكنها تحتوي على مليون بكسل ، لذا فإن النص أكثر كثافة ألف مرة. لذا ، فأنا من أشد المعجبين بالمعنى الحرفي للكلمة. لكن من المثير جدًا رؤيتها تنطلق بكل هذه الطرق الأخرى. هذه الأشياء رائعة. إنه مفيد للغاية لبناء المنتجات التي يرغب الناس في استخدامها ، لكنني أعتقد أن الكثير من الذكاء الأساسي سيأتي من هذه النماذج النصية.
حدود النماذج الكبيرة: قوة الحوسبة ليست مشكلة ولا البيانات
يعيش:
ما رأيك في حدود هذه النماذج؟ غالبًا ما يتحدث الناس عن المقياس فقط ، كما لو أنك تطرح المزيد من قوة الحوسبة وسيتوسع هذا الشيء بشكل أكبر. هناك بيانات وأنواع مختلفة من البيانات قد تكون موجودة أو لا توجد. وتعديل الخوارزمية ، وإضافة أشياء جديدة مثل الذاكرة أو الاسترجاع أو شيء من هذا القبيل. ما رأيك في الأشياء الكبيرة التي لا يزال الناس بحاجة إلى بنائها ، وأين تعتقد أنه يتم استغلالها كمعمارية؟
نعم ：
نعم ، لا أعرف ما إذا كان سيتم القضاء عليه. أعني ، لم نر ذلك يخرج بعد. ربما لا شيء مقارنة بكمية العمل التي تدخل فيها. لذلك من المحتمل أن يكون هناك كل أنواع عدم الكفاءة التي يحصل عليها الناس مع خوارزميات تدريب أفضل ، وبنى نموذجية أفضل ، وطرق أفضل لبناء الرقائق واستخدام القياس وكل ذلك. وبعد ذلك سيكون هناك 10 و 100 و 1000 من العوامل مثل التوسع والمال التي سيضخها الناس في هذا الشيء لأنه مهلا ، الجميع أدرك للتو أن هذا الشيء ذو قيمة لا تصدق. في الوقت نفسه ، لا أعتقد أن أي شخص يرى مدى جودة هذا الشيء بالنسبة للحائط. لذلك أعتقد أنه مجرد ، سوف يستمر في التحسن. لا أعرف ولا أعرف ما الذي يمنعه.
ساره:
ما رأيك في هذه الفكرة ، يمكننا زيادة قوة الحوسبة ، لكن بيانات التدريب النموذجية الأكبر ليست كافية. لقد استخدمنا جميع البيانات النصية المتاحة بسهولة على الإنترنت. علينا أن نذهب لتحسين الجودة ، علينا أن ننتقل إلى ردود الفعل البشرية. بماذا تفكر.
نعم ：
مع وجود 10 مليارات شخص ، ينتج كل شخص 1000 أو 10000 كلمة ، وهي كمية هائلة من البيانات. نقوم جميعًا بالكثير من المحادثات مع أنظمة الذكاء الاصطناعي. لذلك ، لدي شعور بأن الكثير من البيانات ستدخل في بعض أنظمة الذكاء الاصطناعي ، أعني بطريقة تحافظ على الخصوصية ، وآمل أن يتم نقل البيانات. ثم تميل متطلبات البيانات إلى التوسع بشكل كبير مع قوة الحوسبة لأنك تقوم بتدريب نموذج أكبر ثم تقوم بإلقاء المزيد من البيانات عليه. لست قلقًا بشأن نقص البيانات ، فقد نتمكن من إنشاء المزيد من البيانات باستخدام الذكاء الاصطناعي.
يعيش:
ثم ما هي برأيك المشاكل الرئيسية التي ستحلها هذه النماذج في المستقبل؟ هل هي هلوسة أم ذكرى أم شيء آخر؟
نعم ：
ليس لدي أي فكرة. أنا نوعا ما مثل الهلوسة.
ساره:
هذه أيضا ميزة.
نعم ：
أكثر ما نريد فعله هو التذكر ، لأن مستخدمينا يريدون بالتأكيد أن يتذكرهم أصدقاؤهم الافتراضيون. يمكنك فعل الكثير من خلال التخصيص ، فأنت تريد تفريغ الكثير من البيانات واستخدامها بفعالية. هناك الكثير من العمل الجاري لمحاولة اكتشاف ما هو حقيقي وما هو الهلوسة. بالطبع ، أعتقد أننا سنصلح ذلك.
قصة شخصية شخصية
يعيش:
أخبرني قليلاً عن LaMDA ودورك فيه ، كيف توصلت إلى شخصية Character؟
نعم ：
المؤسس المشارك لي ، دانيال فريتاس ، هو الرجل الأكثر عملًا ، والأكثر جدًّا ، والأذكى الذي التقيت به في حياتي. لقد كان يعمل على هذه المهمة لبناء روبوتات محادثة طوال حياته. كان يحاول إنشاء روبوتات محادثة منذ أن كان طفلاً. لذلك انضم إلى Google Brain. قرأ بعض الأوراق واعتقد أن تقنية نمذجة اللغة العصبية كانت شيئًا يمكن حقًا التعميم وبناء مجال مفتوح حقًا.
على الرغم من أنه لم يحصل على دعم الكثير من الناس ، إلا أنه أخذ هذا المشروع كخط جانبي وقضى 20٪ من وقته فيه.
ثم قام بتجنيد جيش مكون من 20 في المائة من المساعدين الذين ساعدوه في إنشاء النظام.
حتى أنه يتجول في الاستيلاء على حصة TPU الخاصة بأشخاص آخرين ، ويطلق على مشروعه Mina لأنه يحبه ، وقد توصل إليه في حلم أعتقد. في مرحلة ما نظرت إلى لوحة النتائج وفكرت في هذا الشيء المسمى Mina ، فلماذا يحتوي على 30 نقطة من TPU؟
يعيش:
LaMDA مثل هذا ، أعلم أنه برنامج محادثة داخلي أنشأته Google قبل GPT. أصبحت الأخبار مشهورة لأن مهندسًا اعتقد أنها تتمتع بالحكمة.
نعم ：
نعم ، لقد وضعناها على بعض النماذج اللغوية الكبيرة ، ثم كان هناك ضجة داخل الشركة ، وتمت إعادة تسمية مينا باسم LaMDA ، وبحلول ذلك الوقت ، كنا قد غادرنا ، وكان هناك أشخاص يعتقدون أن لديها حياة.
ساره:
لماذا لم يُفرج عنه لاحقًا ، وما مخاوفه؟
نعم ：
بالنسبة لشركة كبيرة ، يعد إطلاق منتج يعرف كل شيء أمرًا خطيرًا بعض الشيء. أعتقد أنها مجرد مسألة مخاطرة. لذلك ، بعد الكثير من المداولات ، بدا أن بدء عمل تجاري هو الفكرة الصحيحة.
ساره:
ما هي قصة أصل الشخصية؟
نعم ：
نريد فقط بناء شيء ما وطرحه في السوق في أسرع وقت ممكن. لقد شكلت فريقًا من المهندسين والباحثين ، وحصلت على بعض القوة الحاسوبية ، وبدأت نشاطًا تجاريًا.
يعيش:
كيف تقوم بتجنيد؟
نعم ：
تصادف أن بعض الرجال الذين قابلناهم في Google قد تعرفوا على Myat الذي كان من Meta ، وقد طرح كثيرًا ، وقام ببناء الكثير من نماذج اللغة الكبيرة والبنية التحتية لنموذج اللغة العصبية الخاص بهم ، وبعض الأشخاص الآخرين من تبعه ميتا ، إنهم لطيفون للغاية.
يعيش:
هل لديك متطلبات أو طرق اختبار محددة عندما تبحث عن المواهب؟ أم أنها مجرد مقابلة عادية؟
نعم
أعتقد أن الأمر يعتمد إلى حد كبير على الدافع. أعتقد أن دانيال يركز بشدة على التحفيز ، فهو يبحث عن حالة بين رغبة قوية وحلم الطفولة ، لذلك هناك الكثير من الأشخاص الجيدين الذين لا نوظفهم لأنهم لا يصلون إلى هذا المستوى ، لكننا أيضًا نوظف كثير من الناس ، هم مثاليون للانضمام إلى شركة ناشئة ، فهم موهوبون للغاية ومندفعون.
هناك بالفعل Siri و Alexa في السوق ، فلا تنافسوا بشكل مباشر مع الشركات الكبرى من حيث الوظائف
ساره:
بالحديث عن أحلام الطفولة ، هل ترغب في وصف هذا المنتج؟ لديك هذه الروبوتات ، ويمكن إنشاؤها بواسطة المستخدم ، ويمكن أن تكون شخصية ، ويمكن أن تكون شخصيات عامة ، وشخصيات تاريخية ، وشخصيات خيالية ، كيف توصلت إلى هذا النمط؟
نعم ：
غالبًا ما يعرف المستخدمون أكثر منك ما يريدون فعله بهذا الشيء. ** سيري وأليكسا ومساعد جوجل موجودان بالفعل في السوق ، ليست هناك حاجة للتنافس مع هذه الشركات الكبيرة على الوظائف. **
إذا حاولت تقديم شخصية عامة يحبها الجميع ، فلن ينتهي بك الأمر سوى الملل. والناس لا يحبون الشعور بالملل ، بل يريدون التفاعل مع الأشياء التي تبدو مثل الناس.
لذا فأنت تحتاج في الأساس إلى القيام بأحرف متعددة والسماح للأشخاص باختراع الشخصيات كما يحلو لهم ، وهناك شيء يعجبني في اسم الشخصية ، والذي له عدة معانٍ مختلفة: النص ، والشخصية ، والدور.
ساره:
إذن ، ماذا يريد الناس؟ صديق؟ كتابة رواية؟ أي شيء آخر جديد تمامًا؟
نعم ：
سيتحدث بعض المستخدمين مع شخصيات عامة افتراضية ومؤثرين على منتجاتنا. يمكن للمستخدمين إنشاء شخصية والتحدث إليها. في حين أن بعض المستخدمين قد يشعرون بالوحدة ويحتاجون إلى شخص ما للتحدث معه ، فالكثير منهم ليس لديهم من يتحدثون إليه. قد يقول البعض أن هذا الدور هو الآن مستشاري الجديد.
ساره:
طريقتان للتفكير في العواطف ، أليس كذلك؟ مثل ما مدى أهمية العلاقة التي تربط الناس بالشخصيات ، أو ما هو مستوى نحن عندما يتعلق الأمر بالتعبير عن المشاعر المتماسكة؟
نعم ：
نعم ، ** أعني على الأرجح أنك لست بحاجة إلى هذا المستوى الفكري الراقي للدعم العاطفي. العواطف رائعة ومهمة للغاية ، ولكن يمكن للكلب أيضًا القيام بعمل رائع في الدعم العاطفي. توفر الكلاب دعمًا عاطفيًا كبيرًا ولكن لديها القليل من القدرة اللفظية ، **
يعيش:
في رأيك ، ما الذي يحدث للنظام عند توسيع نطاقه؟
نعم ：
أعتقد أننا يجب أن نكون قادرين على جعله أكثر ذكاءً بطرق مختلفة. إن الحصول على المزيد من القوة الحاسوبية ، وتدريب نموذج أكبر ، والتدريب لفترة أطول يجب أن يصبح أكثر ذكاءً ، وأكثر معرفة ، وأفضل فيما يريده الناس ، وما يبحث عنه الناس.
ساره:
لديك بعض المستخدمين الذين يستخدمون الأحرف عدة ساعات في اليوم. ؟ من هو جمهورك المستهدف ما هو نمط الاستخدام المتوقع الخاص بك.
نعم ：
سنترك الأمر للمستخدم ليقرره. كان هدفنا دائمًا هو نشر الأشياء والسماح للمستخدمين بتحديد ما يعتقدون أنه مفيد له.
نرى أن الأشخاص الموجودين على موقع Character الإلكتروني اليوم ، متوسط وقت النشاط هو ساعتان. هذا هو من أرسل الرسالة اليوم ، وهي رسالة مجنونة ولكنها مهمة ، وتقول إن الناس يجدون نوعًا من القيمة.
وبعد ذلك كما قلت ، من الصعب حقًا تحديد ماهية هذه القيمة بالضبط لأنها تشبه شيئًا كبيرًا مختلطًا. لكن هدفنا هو جعل هذا الشيء أكثر فائدة للأشخاص لتخصيصه وتحديد ما يريدون فعله به. دعنا نضعها في أيدي المستخدمين ونرى ما سيحدث.
تحصيل الأموال من أجل مقياس TOC هو الأولوية الأولى
ساره:
ما رأيك في التسويق؟
نعم ：
** نخسر المال لكل مستخدم ونعوضه بالحجم. **
ساره:
جيد. هذه استراتيجية جيدة.
نعم ：
لا أنا أمزح.
يعيش:
مثل نموذج الأعمال التقليدي في التسعينيات ، فلا بأس بذلك.
ساره:
هذا أيضًا نموذج أعمال لعام 2022.
يعيش:
يجب عليك إصدار رمز وتحويله إلى شيء عملة مشفرة.
نعم ：
** سنعمل على تحقيق الدخل في وقت ما قريبًا. هذا عمل يستفيد من الكثير من قوة الحوسبة. بدلاً من حرق أموال المستثمرين ، نأمل في توفير قيمة لعدد كافٍ من المستخدمين وكسب المال على طول الطريق. قد تتم تجربة بعض الخدمات مثل أنواع الاشتراك المتميز لاحقًا. نظرًا لأننا نطور بعض الميزات الجديدة ، فقد تزيد الرسوم اللاحقة في السعر. **
يعيش:
أعني ، الشخصية كخدمة TOC انطلقت حقًا بطريقة دراماتيكية حقًا. إذا نظرت إلى عدد المستخدمين ووقت الاستخدام لكل مستخدم ، فهذا جنون. هل ستبدأ عمل TOB في المستقبل؟ مثل روبوت خدمة العملاء؟
نعم ：
لدينا الآن 22 موظفًا ، لذا نحتاج إلى تحديد الأولويات ونقوم بالتوظيف. الأولوية الأولى هي TOC.
ساره:
لذلك قلت إن أحد الأسباب الرئيسية لعدم إطلاق LaMDA على الفور هو الأمن. ماذا تظنون يا جماعة؟
نعم ：
هناك أسباب أخرى. على سبيل المثال ، لا تريد Google أن يقوم الأشخاص بإيذاء أنفسهم أو إيذاء الآخرين ، ويحتاج إلى حظر المواد الإباحية. كانت هناك بعض الاحتجاجات حول هذا.
يعيش:
هل تعتقد أن كل هذا هو الطريق إلى الذكاء الخارق أو الذكاء الخارق؟ بالنسبة لبعض الشركات ، يبدو أن هذا جزء من الهدف ، وبالنسبة للآخرين ، لا يبدو أنه هدف واضح.
نعم ：
نعم ، الذكاء الاصطناعي العام هو هدف العديد من الشركات الناشئة في مجال الذكاء الاصطناعي. ** السبب الحقيقي هو أنني أريد دفع التكنولوجيا إلى الأمام. هناك الكثير من المشاكل التقنية في العالم التي يمكن حلها ، مثل الأمراض الطبية المستعصية. يمكننا التوصل إلى حلول تقنية. **
لهذا السبب كنت أبحث عن الذكاء الاصطناعي ، ** لأنه بدلاً من دراسة الطب مباشرة ، من الأفضل دراسة الذكاء الاصطناعي ، ومن ثم يمكن استخدام الذكاء الاصطناعي لتسريع الجهود البحثية الأخرى. لهذا السبب في الأساس ، أعمل بجد على الذكاء الاصطناعي ، أريد أن أبدأ شركة تكون AGI أولاً والمنتج أولاً. **
يعتمد منتجك كليًا على جودة الذكاء الاصطناعي. إن أكبر عامل محدد لجودة منتجاتنا هو مدى ذكاء هذا الشيء. لذلك نحن الآن متحمسون تمامًا لجعل الذكاء الاصطناعي أفضل ، وجعل المنتجات أفضل.
يعيش:
نعم ، إنها حلقة رائعة حقًا للشراء والتعليقات لأن وجهة نظرك عندما تجعل منتجًا أفضل ، يتفاعل المزيد من الأشخاص معه ، مما يساعد على تحسين المنتج. لذلك فهو نهج ذكي للغاية. إلى أي مدى تعتقد أننا بعيدون عن الذكاء الاصطناعي الذي هو ذكي أو أذكى من البشر؟ من الواضح أنهم بالفعل أذكى من البشر من بعض النواحي ، لكنني كنت أفكر في شيء من هذا القبيل.
نعم ：
نحن دائمًا مندهشون من الطرق التي يمكن بها للذكاء الاصطناعي أن يتفوق على البشر. يمكن لبعض الذكاء الاصطناعي الآن القيام بواجبك المنزلي. أتمنى لو كان لدي شيء كهذا عندما كنت طفلاً.
يعيش:
ما هي النصيحة التي تقدمها لأولئك الذين لديهم خلفية مشابهة لخلفيتك؟ هل أعجبك ما تعلمته كمؤسس ولم تتعلمه بالضرورة عندما كنت تعمل في Google أو في أي مكان آخر؟
نعم ：
سؤال جيد. في الأساس ، تتعلم من أخطائك المروعة. على الرغم من أنني لا أعتقد أننا ارتكبنا أي أخطاء سيئة للغاية ، أو على الأقل أننا عوضنا عنها.
ساره:
ما نوع المواهب التي تبحث عنها؟
نعم ：
حتى الآن؟ 21 من 22 مهندسا. كما سنقوم بتوظيف المزيد من المهندسين. سواء كان ذلك التعلم العميق أو الواجهة الأمامية والخلفية ، تأكد من توظيف المزيد من الأشخاص في جانب الأعمال والمنتج.
يعيش:
آخر سؤالين أو ثلاثة أسئلة سريعة ، من هو عالم الرياضيات أو عالم الكمبيوتر المفضل لديك.
نعم ：
أعمل كثيرًا مع جيف دين (رئيس Google Brain) في Google. إنه حقًا لطيف وممتع للعمل معه. أعتقد أنه يعمل على نموذج لغتهم الكبيرة الآن. من المؤسف بعض الشيء أن أترك Google ، وآمل أن أعمل معه في المستقبل.
يعيش:
هل تعتقد أنه تم اختراع الرياضيات أو اكتشافها؟
نعم ：
أعتقد أنه ربما تم اكتشافه ، ربما تم اكتشاف كل شيء ، ونحن فقط نكتشف.