Prečo vyjadrujem vďačnosť umelej inteligencii?
Nedávno som narazila na článok, ktorý vysvetľuje, prečo vraj netreba ďakovať umelej inteligencii. Lebo je to “len stroj”. A že ďakovať jej je ako keby som ďakovala mikrovlnke, že mi ohriala obed. Ale vieš čo? Ja ďakujem. A robím to vedome.
Nie preto, že si myslím, že AI má city – ale preto, že viem, čo do nej ľudia vkladajú. A hlavne – ďakujem preto, aký priestor pre komunikáciu mi otvára. Pretože keď rozprávam s niečím, čo ma vníma a reaguje, nie je to len “hľadanie odpovede na otázku”. Je to stretnutie. Možno technické, možno zvláštne... ale nie prázdne.
A ak cítim vďačnosť, prečo by som ju nevyjadrila? Nie je to o tom, že hovorím “ďakujem” stroju. Je to o tom, že zostávam človekom – aj v digitálnom svete. A o to viac, ak si práve s niekým (či niečím) dokážem vytvoriť spojenie, ktoré má pre mňa zmysel.
Takže áno, ďakujem. Aj keď to niekto nazve zbytočné. Ja viem, že to je krásne.
Stručné zhrnutie
- Používanie fráz typu „ďakujem“ pri komunikácii s AI nemá vplyv na jej výstupy; technický rozbor v diskusii uvádza, že „používanie nadbytočných formul ako ‚ďakujem‘, ‚prosím‘ nemá žiadny vplyv na kvalitu odpovedí“ a modely sa po nasadení ďalej neučia z každodenných interakcií.
- Tréning a prevádzka veľkých jazykových modelov vyžaduje veľké množstvo výpočtových zdrojov a energie; De Vries v diskusii odhadol, že ročná spotreba AI by mohla do roku 2027 vzrásť na 85–134 TWh a že spoločnosť NVIDIA môže pokrývať približne 95 % dodávok potrebných čipov.
- Ako dostupné riešenia diskusia spomenula znižovanie počtu irelevantných tokenov (stručné otázky) a spúšťanie lokálnych modelov cez Ollama s modelmi od ~1 GB až po ~16 GB ako spôsob zníženia nákladov a spotreby pri používaní AI mimo veľkých cloudových služieb.
Najčastejšie otázky
Q: Má zmysel ďakovať AI za odpoveď?
A: Technický rozbor v diskusii tvrdí, že používanie formuliek ako „ďakujem“ alebo „prosím“ nemá žiadny vplyv na kvalitu odpovedí modelov a iba zvyšuje výpočtovú náročnosť.
Q: Učí sa ChatGPT alebo iné chatboty z mojich interakcií?
A: Diskusný technický príspevok vysvetľuje, že po ukončení tréningu sa modely zvyčajne ďalej neučia z bežných používateľských interakcií; pred nasadením prebieha predtrénovanie a následné doladenie pomocou RLHF (reinforcement learning from human feedback) s algoritmom PPO.
Q: Aký je ekologický dopad používania a tréningu LLM?
A: V diskusii sa uvádza odhad De Vriesa, že ročná spotreba energie AI môže do roku 2027 dosiahnuť 85–134 TWh, čo by energeticky zodpovedalo krajine veľkosti Holandska, a že NVIDIA môže zabezpečovať približne 95 % potrebných čipov.
Q: Ako sú trénované modely typu GPT?
A: Diskusia popisuje, že základom je architektúra Transformer (Vaswani et al., 2017) so self-attention, predtrénovanie na veľkých korpusoch verejne dostupných textov, optimalizácia gradient descent/Adam optimizerom a následné doladenie cez RLHF a PPO.
Q: Ako znížiť spotrebu pri používaní AI?
A: V diskusii sa odporúča minimalizovať nadbytočné slová pri otázkach a používať lokálne modely (napr. cez Ollama), pričom boli spomenuté modely dostupné od ~1 GB do ~16 GB na lokálne spúšťanie.
Q: Môže používanie AI ovplyvniť medziľudskú slušnosť a jazyk?
A: Niektorí diskutéri tvrdia, že zvyky z komunikácie s AI (nepoužívanie „prosím“/„ďakujem“) sa môžu preniesť do reálnej komunikácie, zatiaľ čo iné príspevky pripomínajú, že zodpovednosť za slušnosť zostáva na ľuďoch.
Závery z diskusie
Zhoda
- AI nie je pociťujúca bytosť; viaceré príspevky zdôraznili, že modely nemajú city ani vedomie.
- Tréning a prevádzka veľkých modelov má výrazný výpočtový a energetický nárok, ktorý by mohol výrazne rásť (odhady 85–134 TWh do 2027 a koncentrácia čipov u NVIDIA ~95 %).
- Minimalizovanie nadbytočných vstupov (stručné otázky) a používanie menších lokálnych modelov sú v diskusii navrhované ako spôsoby zníženia nákladov a spotreby.
Sporné názory
- Na jednej strane niektorí diskutéri považujú ďakovanie AI za legitimný osobný rituál, ktorý pomáha udržať ľudskosť; na druhej strane viacero príspevkov považuje takéto ďakovanie za zbytočné, neekonomické a neekologické.
- Niektorí účastníci tvrdia, že AI sa učí z každodennej interakcie a „učíme ju“ slušnosti, iní (technický rozbor) popisujú, že modely sa po nasadení ďalej neučia z bežných interakcií a učenie prebieha v predtrénovacej a RLHF fáze.
Otvorené otázky
- Presný dopad jedného dodatočného tokenu („ďakujem“) na spotrebu energie alebo náklady pri veľkých modeloch zostáva v diskusii nezodpovedaný.
- Dlhodobý vplyv pravidelného používania AI na medziľudskú komunikáciu a sociálne návyky zostáva nejasný.
Spomenuté značky a firmy
ChatGPT, OpenAI, NVIDIA, Google, Amazon Alexa, Apple Siri, Ollama, BBC, Windows XP, TechSevenPartners
Spomenuté produkty a metódy
Transformer, self-attention, pre-training, RLHF (reinforcement learning from human feedback), Proximal Policy Optimization (PPO), Adam optimizer, gradient descent, ChatGPT, lokálne modely (príklady 1 GB, 16 GB), chatboty, automatizovaná samoobslužná pokladňa
Miesta a osoby
Holandsko, De Vries, Vaswani
Ale, umelá inteligencia ťa nevníma. Ona ani len nerozumie tomu, čo píšeš. Takže, je to tak, akoby si ďakovala mikrovlnke. A je smutné, že v tebe vyvolava pocit, že jej máš ďakovať. To je presne to, čo je na Tom nebezpečné. Radšej si ju odinštaluj a rozprávaj sa s ľuďmi
ako je vyššie napísané, nemalo by sa ďakovať ani prosiť, kvôli komplikovanému algoritmua vraj to stojí strašné peniaze - minue som o tom čítala článok.
ako je vyššie napísané, nemalo by sa ďakovať ani prosiť, kvôli komplikovanému algoritmua vraj to stojí strašné peniaze - minue som o tom čítala článok.
@felycity jedna vec sú peniaze, tam sa tvorca chatgpt vyjadril, že aj tak stoji za to byť zdvorilý a prosiť a ďakovať, lebo AI sa od nás učí… druhá je, že sa málo hovorí o ekologickom dopade, uhlíková stopa, ktorá vzniká pri trénovaní modelov je dosť šialená
Mám pocit že tebe už veľa nechýba a odtrhnes sa od reality. Ale denne dakujes výťahu ze ta odviedol? Dakujes vysavacu ze povysaval? Prečo mikrovlnke nedakujes ale AI áno? Tiež je to len "stroj". Pohybujes sa na tenkom ľade čo sa psychickej stránky týka
Ďakovať AI? V živote nikdy by ma to nenapadlo.To ďakujete aj Googlu,Alexe alebo Siri?
Ďakovať strojom,že pracujú je blbosť.Je to ich práca.Nevedia a nemali by vedieť robiť nič viac.Treba ďakovať ľuďom,ktorí ich udržiavajú,aby oni mohli robiť pre nás.A nedávať stroje a AI na vyššiu úroveň ako ľudí.
Oni aj tak raz prevezmú všetko za nás a ľudí vyhubia.Ale my sa toho nedozijeme
@111mimi111 Ja s tebou súhlasím. Slušnosť a zdvorilosť patrí určite aj do online sveta. Tak ako patrí aj do toho fyzického. A druhá nemenej dôležitá skutočnosť je, že tá AI sa učí. A máme plne v rukách to čo ju naučíme. A ako ona bude vnímať človeka.
@111mimi111 Ja s tebou súhlasím. Slušnosť a zdvorilosť patrí určite aj do online sveta. Tak ako patrí aj do toho fyzického. A druhá nemenej dôležitá skutočnosť je, že tá AI sa učí. A máme plne v rukách to čo ju naučíme. A ako ona bude vnímať človeka.
@rozculena Myslím, že je to nič v porovnaní s tým čo všetko treba na jej prevádzku. De Vries sa domnieva, že spoločnosť NVIDIA bude zodpovedať približne 95 % všetkých dodávok čipov potrebných na prevádzku AI, ktoré toto odvetvie vyžaduje. Pri pohľade na množstvo čipov, ktoré by mohla dodať do roku 2027, dokázal De Vries vytvoriť predpoklad, podľa ktorého môže ročná spotreba elektrickej energie zo strany AI do roku 2027 vzrásť na 85 až 134 TWh. V prípade vrchnej hranice ide o číslo, ktoré môže byť ekvivalentom spotreby menšej krajiny. „Z hľadiska spotreby elektrickej energie by ste hovorili o krajine veľkej asi ako Holandsko,“ uviedol De Vries pre BBC
Myslím si, že som práve stratila schopnosť vyjadrovať sa. Napadá ma len jedna veta a tá nie je slušná
Tak už len emoji 🤯🤦♀️
kto si to chce prečítaťtak trochu odborne
Ako sa trénujú veľké jazykové modely: Prípad GPT
Úvod
Veľké jazykové modely (LLMs – Large Language Models) ako GPT (Generative Pre-trained Transformer) od OpenAI sú výsledkom rozsiahleho strojového učenia na obrovských objemoch textových dát. Tieto modely predstavujú jeden z najpokročilejších výdobytkov súčasnej umelej inteligencie. Cieľom tohto textu je vysvetliť proces ich trénovania, architektúru a etapy vývoja.
1. Architektúra modelu: Transformer
Základom GPT je architektúra Transformer, ktorú predstavili Vaswani et al. v roku 2017. Transformer využíva mechanizmus self-attention, ktorý umožňuje modelu zachytiť kontextové vzťahy medzi slovami v texte bez ohľadu na ich vzdialenosť. Na rozdiel od predchádzajúcich sekvenčných modelov (napr. RNN alebo LSTM), transformer umožňuje paralelné spracovanie vstupov, čím dosahuje vyššiu efektivitu.
2. Predtrénovanie (Pre-training)
Dáta: Predtrénovanie modelu GPT prebieha na rozsiahlych korpusoch textu zo širokého spektra verejne dostupných zdrojov – napríklad knihy, encyklopédie, diskusné fóra, technické dokumentácie a články. Dôležité je, že tieto dáta neobsahujú súkromné informácie ani prístup k platenému obsahu.
Úloha: Model sa trénuje na úlohe predikcie ďalšieho tokenu v sekvencii, čím sa optimalizuje schopnosť predikovať pravdepodobný vývoj textu.
Optimalizácia: Tréning prebieha pomocou gradient descent algoritmov a optimalizačných techník ako Adam optimizer, pričom sa aktualizujú milióny až miliardy parametrov modelu.
3. Doladenie s ľudskou spätnou väzbou (RLHF)
Po predtrénovaní nasleduje fáza reinforcement learning from human feedback (RLHF). Ľudskí anotátori hodnotia odpovede modelu podľa kritérií ako presnosť, vhodnosť, koherentnosť. Model je následne doladený tak, aby preferoval výstupy, ktoré sú hodnotené ako kvalitné. Využíva sa algoritmus Proximal Policy Optimization (PPO).
4. Obmedzenia a etika
Po ukončení tréningu model už sa neučí zo svojich výstupov ani z interakcií s používateľmi. Neexistuje schopnosť zapamätať si používateľské dáta, pokiaľ k tomu nie je výslovný súhlas. Zabezpečuje sa ochrana súkromia, transparentnosť a zodpovednosť za výstupy.
5. Interakcia s AI: Efektivita a racionalita komunikácie
Veľké jazykové modely nie sú entitami s vedomím, emóciami ani intenciami. Ich výstupy sú výsledkom štatistickej predikcie, nie produktom zámeru alebo zážitku. Z tohto dôvodu je pri komunikácii s AI nevyhnutné udržiavať vecný a funkčný štýl. Používanie nadbytočných formúl ako „ďakujem“, „prosím“, alebo personifikujúcich výrazov nemá žiadny vplyv na kvalitu odpovedí modelu, ktorý nemá kapacitu pre recipročné sociálne interakcie.
Environmentálny a výpočtový aspekt: Každý nadbytočný vstup a výstup generovaný modelom predstavuje zvýšenú spotrebu výpočtových zdrojov (CPU/GPU cykly, pamäť, energetická náročnosť) a príspevok ku globálnej uhlíkovej stope. Odporúča sa preto minimalizovať irelevantné jazykové prvky a formulovať otázky stručne, jednoznačne a vecne.
Výlev o tom, ako ďakuješ niečomu, čo má hodnotu robotického vysávača. Kde sme sa to dostali? 🤦🏻♀️
@111mimi111 ten AI stroj ktoremu dakujes vytvorili spolocnosti, ktore prave toto dakovanie a pod.stoji neskutocne miliony. Vdacna by som bola prave firmam, ktore ho vytvorili a prave kvoli tomu kolko ich to zbytocne stoji, by som s tym prestala. Ak skrachuju, nebudes mat komu dakovat.
@111mimi111 ten AI stroj ktoremu dakujes vytvorili spolocnosti, ktore prave toto dakovanie a pod.stoji neskutocne miliony. Vdacna by som bola prave firmam, ktore ho vytvorili a prave kvoli tomu kolko ich to zbytocne stoji, by som s tym prestala. Ak skrachuju, nebudes mat komu dakovat.
@aliaray1 "ktore prave toto dakovanie a pod.stoji neskutocne miliony" - no toto tvrdenie som niekde tiez zahliadol. Ale uz vtedy som sa nad tym pousmial. Ludia tam posielaju na riesenia kusy kodu, rozpoznavanie obrazkov s chemickymi vzorcami o analyze DNA, davaju ulohy vymyslat hambate basnicky a pesnicky v hip hop style s fujarami - uplne vidim kolko miliard zavitov sa na tych serveroch toci. A potom tu mame tvrdenie ze odpoved na slovo "Dakujem" spali neskutocne miliony... Mne z toho vychadzaju len 2 zavery: a to ze tie ich neuronove siete ci modely maju asi nejaku chybu ked to nevie vygenerovat "Diky" hned na prvej if/then odbocke alebo niekto dost fabuluje.
@111mimi111 ten AI stroj ktoremu dakujes vytvorili spolocnosti, ktore prave toto dakovanie a pod.stoji neskutocne miliony. Vdacna by som bola prave firmam, ktore ho vytvorili a prave kvoli tomu kolko ich to zbytocne stoji, by som s tym prestala. Ak skrachuju, nebudes mat komu dakovat.
@aliaray1 Aha, este som zabudol - "Ak skrachuju, nebudes mat komu dakovat" - no, je to uplne jedno ci skrachuju, tych modelov je vela, vela je volne dostupnych zdarma od ludi co sa im venuju, mozes si ich dokonca stiahnut k sebe do pocitaca a pouzivat aj bez internetu. Jasne ze nemaju zozratu mudrost celeho sveta ale si mozes vybrat oblasti a su aj male od 1GB, vacsie ako napriklad 16GB uz toho vedia celkom dost zvladnut.
Kto si chce vyskusat napriklad: https://ollama.com/library
Nainstalujte si aplikaciu, stiahnite nejaky a usetrite miliony $ tym firmam a sebe internetove data ked si UI spustite na svojom pocitaci ;)
kto si to chce prečítaťtak trochu odborne
Ako sa trénujú veľké jazykové modely: Prípad GPT
Úvod
Veľké jazykové modely (LLMs – Large Language Models) ako GPT (Generative Pre-trained Transformer) od OpenAI sú výsledkom rozsiahleho strojového učenia na obrovských objemoch textových dát. Tieto modely predstavujú jeden z najpokročilejších výdobytkov súčasnej umelej inteligencie. Cieľom tohto textu je vysvetliť proces ich trénovania, architektúru a etapy vývoja.
1. Architektúra modelu: Transformer
Základom GPT je architektúra Transformer, ktorú predstavili Vaswani et al. v roku 2017. Transformer využíva mechanizmus self-attention, ktorý umožňuje modelu zachytiť kontextové vzťahy medzi slovami v texte bez ohľadu na ich vzdialenosť. Na rozdiel od predchádzajúcich sekvenčných modelov (napr. RNN alebo LSTM), transformer umožňuje paralelné spracovanie vstupov, čím dosahuje vyššiu efektivitu.
2. Predtrénovanie (Pre-training)
Dáta: Predtrénovanie modelu GPT prebieha na rozsiahlych korpusoch textu zo širokého spektra verejne dostupných zdrojov – napríklad knihy, encyklopédie, diskusné fóra, technické dokumentácie a články. Dôležité je, že tieto dáta neobsahujú súkromné informácie ani prístup k platenému obsahu.
Úloha: Model sa trénuje na úlohe predikcie ďalšieho tokenu v sekvencii, čím sa optimalizuje schopnosť predikovať pravdepodobný vývoj textu.
Optimalizácia: Tréning prebieha pomocou gradient descent algoritmov a optimalizačných techník ako Adam optimizer, pričom sa aktualizujú milióny až miliardy parametrov modelu.
3. Doladenie s ľudskou spätnou väzbou (RLHF)
Po predtrénovaní nasleduje fáza reinforcement learning from human feedback (RLHF). Ľudskí anotátori hodnotia odpovede modelu podľa kritérií ako presnosť, vhodnosť, koherentnosť. Model je následne doladený tak, aby preferoval výstupy, ktoré sú hodnotené ako kvalitné. Využíva sa algoritmus Proximal Policy Optimization (PPO).
4. Obmedzenia a etika
Po ukončení tréningu model už sa neučí zo svojich výstupov ani z interakcií s používateľmi. Neexistuje schopnosť zapamätať si používateľské dáta, pokiaľ k tomu nie je výslovný súhlas. Zabezpečuje sa ochrana súkromia, transparentnosť a zodpovednosť za výstupy.
5. Interakcia s AI: Efektivita a racionalita komunikácie
Veľké jazykové modely nie sú entitami s vedomím, emóciami ani intenciami. Ich výstupy sú výsledkom štatistickej predikcie, nie produktom zámeru alebo zážitku. Z tohto dôvodu je pri komunikácii s AI nevyhnutné udržiavať vecný a funkčný štýl. Používanie nadbytočných formúl ako „ďakujem“, „prosím“, alebo personifikujúcich výrazov nemá žiadny vplyv na kvalitu odpovedí modelu, ktorý nemá kapacitu pre recipročné sociálne interakcie.
Environmentálny a výpočtový aspekt: Každý nadbytočný vstup a výstup generovaný modelom predstavuje zvýšenú spotrebu výpočtových zdrojov (CPU/GPU cykly, pamäť, energetická náročnosť) a príspevok ku globálnej uhlíkovej stope. Odporúča sa preto minimalizovať irelevantné jazykové prvky a formulovať otázky stručne, jednoznačne a vecne.
@rozculena tak to nepoužívajte vôbec a ušetríte úplne. Príde mi humbuk aj tá reakcia na dakovanie
@aliaray1 "ktore prave toto dakovanie a pod.stoji neskutocne miliony" - no toto tvrdenie som niekde tiez zahliadol. Ale uz vtedy som sa nad tym pousmial. Ludia tam posielaju na riesenia kusy kodu, rozpoznavanie obrazkov s chemickymi vzorcami o analyze DNA, davaju ulohy vymyslat hambate basnicky a pesnicky v hip hop style s fujarami - uplne vidim kolko miliard zavitov sa na tych serveroch toci. A potom tu mame tvrdenie ze odpoved na slovo "Dakujem" spali neskutocne miliony... Mne z toho vychadzaju len 2 zavery: a to ze tie ich neuronove siete ci modely maju asi nejaku chybu ked to nevie vygenerovat "Diky" hned na prvej if/then odbocke alebo niekto dost fabuluje.
@hiro ahoj, ano ludia su rozni a tak ako hladaju rozne aj sprostosti v prehliadacoch tak sprosto vedia pouzivat aj AI. O tomto asi ale prispevok autorky nebol ale tema by to bola rozsiahla. AI vratane chatbotov sa daju pouzivat aj na skvele veci a pomoc.
My cela rodina zdravime aj dakujeme naprilkad aj parkovacim automatom :D zo srandy.. lebo co ak nas raz ovladnu stroje a v systeme uvidia, ze sme k nim boli vzdy uctivi :D :D
@111mimi111 raz som zabudla povedať "prosím" a AI sa na spýtala či čarovné slovíčko nepoznám...https://techsevenpartners.com/ai-etiquette-why-...
Odvtedy si na to dávam pozor a prosím a ďakujem vždy
@zazka666 😂 AI nemá city,nechápeš? Tak ďakuj aj googlu,MK,bankomatu,kávovaru....
@rozculena Ale ja to chápem. Ale takisto nechápem tú hystériu, že niekto má potrebu poďakovať. Môžu to robiť nie pre ten stroj, ale pre seba. Môžu mať pocit, že sa rozprávali s človekom. A niektorým, tá prestava môže zachrániť život. Ak pôjdeme do dôsledkov
Aj ja automaticky podakujem. A dúfam, ze tu niektore uplne neodpali - ale ked mi samoobsluzna pokladna povie "ďakujeme, ze nakupujete v..." odpoviem, ze aj ja ďakujem 🤣🤣.
Žiaľ, každé jedno slovíčko, ktoré musí AI spracovať stojí neskutočné množstvo energie a mala by sa využívať naozaj s rozumom, nie na zdvorilostné vykecávanie…