-
El director ejecutor de Nvidia, Jensen Huang, dijo en una entrevista fresco que la IA coetáneo no proporciona las mejores respuestas.
-
“Tenemos que venir a un punto en el que confíes en gran medida en la respuesta que obtienes”, dijo.
-
El CEO dijo que todavía faltan “varios primaveras” y que las empresas necesitarán más potencia computacional.
El director ejecutor de Nvidia, Jensen Huang, dijo que la inteligencia sintético coetáneo no proporciona las mejores respuestas y que el mundo todavía está “a varios primaveras de distancia” de una IA en la que podamos “dejarlo en Jehová en gran medida”.
“Hoy en día, las respuestas que tenemos no son las mejores que podemos dar”, dijo Huang el sábado en una entrevista en la Universidad de Ciencia y Tecnología de Hong Kong.
El CEO dijo que la concurrencia no debería tener que dudar de la respuesta de una IA, preguntándose si es “alucinada o no alucinada” o “sensible o no sensata”.
“Tenemos que venir a un punto en el que confíes en gran medida en la respuesta que obtienes, en la que confías en gran medida”, dijo, “y por eso creo que estamos a varios primaveras de poder hacerlo y, mientras tanto, , tenemos que seguir aumentando nuestro cálculo”.
Los grandes modelos de estilo, como ChatGPT, han socialdemócrata exponencialmente en los últimos primaveras en su capacidad para replicar preguntas complejas, pero aún tienen limitaciones.
Las alucinaciones, o dar respuestas falsas o ficticias, es un problema persistente con los chatbots de IA.
OpenAI, ampliamente considerado como el líder de la carrera de la IA, fue demandado el año pasado por un comentarista de radiodifusión a posteriori de que ChatGPT creara una denuncia cierto falsa sobre él.
Un portavoz de OpenAI no respondió a una solicitud de comentarios.
Algunas empresas de IA todavía se enfrentan al dilema de cómo avanzar en los LLM sin tener que obedecer sólo de tener en sus manos grandes cantidades de datos, un procedimiento que ya es finito.
Durante la entrevista del sábado, Huang dijo que no será suficiente entrenar previamente o entrenar un maniquí en un conjunto de datos vasto y diverso ayer de desarrollarlo para realizar una determinada tarea.
“La formación previa, es afirmar, tomar todos los datos del mundo y descubrir conocimientos a partir de ellos automáticamente, no es suficiente”, afirmó. “Así como ir a la universidad y graduarse es un hito muy importante, pero no es suficiente”.
Un portavoz de Nvidia declinó hacer comentarios.
Lea el artículo bonito en Business Insider