Die sieben Lerninhalte von ChatGPT die es möglicherweise erlernt hat
Aus purer Neugier wurde ich neugierig darauf, was GPT wohl studiert haben könnte. Die Suche nach einfach erlernten Daten und Typen schien etwas langweilig, also habe ich nachgeschaut, mit welchen Arten von Problemen sich die Forschung im Bereich der natürlichen Sprachverarbeitung befasst.
Die Website „Papers with Code“ klassifiziert 583 Forschungsthemen zur natürlichen Sprachverarbeitung, von denen jedes bedeutet, dass „Forscher auf der ganzen Welt dieselbe Frage untersuchen“. Es ist wahrscheinlich, dass diese Arten von Problemen in einem kleinen Lehrplan enthalten waren, den GPT mit seinem umfangreichen Inhalt gelernt hat.
Davon habe ich sieben Themen ausgewählt, die eng mit dem täglichen Leben zusammenhängen.
Datengenerierung aus Text
Dieses Forschungsthema beinhaltet die Erzeugung von beschreibendem Text aus häufig anzutreffenden „Tabellen“-Daten. Es ist eine notwendige Studie für die Produktivität von Datenanalysten wie mir und gleichzeitig eine Studie, die Arbeitsplätze beeinflusst (GPT ist nicht das einzige, was Arbeitsplätze beeinflusst, oder?).
Die Beschreibung und Interpretation von Daten kann für Maschinen schwierig sein, wenn ihnen zu viel Freiheit gegeben wird, um sich Dinge vorzustellen oder Absichten einzubringen. Vor allem muss sie präzise ausgedrückt werden. Und diese Beschreibung ist nicht einfach. Sie muss gleichzeitig verschiedene Unterkonzepte lösen, wie z.B. was erklärt werden soll, worauf man sich konzentrieren soll und welche Ausdrücke verwendet werden sollen, um die Klarheit zu erhöhen.
Textstilübertragung
Wenn es in der Vokalforschung „Stimmimitation“ gibt, dann gibt es in der natürlichen Sprachverarbeitung „Stilumwandlung“. Es handelt sich dabei um die Technik, den Stil der Sprache verschiedener Sprecher zu ändern, während die gleiche Bedeutung des Satzes erhalten bleibt.
Man kann von einem „wohlfühlenden Ton“ zu einem „wütend sprechenden“ Ton wechseln, von einem „männlichen Stil“ zu einem „weiblichen Stil“ und von „kindlichen Worten und Sätzen“ zu „erwachsener Grammatik“.
Zum Beispiel die Umwandlung von Elon Musks technischer Erklärung über SpaceX in den Stil der Harry-Potter-Sprache. Es handelt sich um eine Technik, den Stil verschiedener Sprecher zu ändern, während die gleiche Bedeutung des Satzes erhalten bleibt.
Klinische Sprachübersetzung
Wenn unsere Symptome über eine leichte Erkältung hinausgehen, kann es sich selbst dann, wenn wir eine ärztliche Diagnose in unserer Muttersprache hören, anfühlen wie eine fremde Sprache. Um diese Lücke zu überbrücken, gibt es ein Forschungsfeld, das medizinische Texte voller spezialisierter Terminologie in eine Sprache übersetzt, die die breite Öffentlichkeit verstehen kann.
Absichtsklassifizierung
Einfach ausgedrückt handelt es sich um eine Studie darüber, wie man versteht, was jemand meint, auch wenn er es nicht klar sagt. Zum Beispiel kann es in einem Handelsservice helfen festzustellen, ob jemand einen Kauf tätigen, zu einem teureren Abonnement wechseln oder sein Abonnement kündigen möchte. Wenn es sich um einen Chatbot handelt, kann er relevante Themen anhand weniger Wörter erkennen, die der Benutzer hinterlassen hat, und Informationen vorschlagen, die für den Benutzer nützlich sein könnten.
Geschichtsvollendung
Diese Forschung zielt darauf ab, die fehlenden Teile einer Geschichte zu vervollständigen, auch wenn die Handlung nicht perfekt abgeschlossen ist. Dies kann das Erraten und nahtlose Verbinden der fehlenden Teile des Haupttextes umfassen, nicht nur des Schlusses. Wenn die Geschichte zu viele Fachbegriffe enthält oder viel Hintergrundwissen erfordert, können Annotationen bereitgestellt werden, um den Lesern zu helfen, dem Verlauf zu folgen.
Der Nutzen dieser Forschung erstreckt sich über Romane hinaus und kann im täglichen Leben angewendet werden. Viele Menschen fallen dem „Fluch des Wissens“ zum Opfer und nehmen an, dass andere bereits wissen, was sie wissen. Es wäre hilfreich, wenn das Modell zur Geschichtsvollendung als Vermittler von Wissen zwischen den Menschen eingreifen könnte.
Visuelles Storytelling
Wenn ein Bild einer Person gegeben ist, die aus dem Bahnhof Manhattan rennt, könnten zwei Versionen einer Erklärung wie folgt geschrieben werden:
- „Es rennt eine Person am 2. Ausgang des Bahnhofs Manhattan. Daneben befinden sich ein Baum, eine Straße und ein Auto.“
- „Heute wieder zu spät.“
Die Menschen können den Kontext verstehen und aus einem einzigen Bild eine Geschichte erstellen. Das war jedoch eine schwierige Aufgabe für künstliche Intelligenz. Das Bereitstellen von Kontext, um mehrere Bilder zu einer zusammenhängenden Geschichte zu verbinden und schließlich Sätze zu generieren, stellt eine weitere Ebene der Forschung im visuellen Storytelling dar.
Konzept-zu-Text-Generierung
„Textgenerierung auf Basis von Konzepten“ unterscheidet sich geringfügig von der „Vervollständigung einer Geschichte“, die zuvor erwähnt wurde. Während die Forschung zur Vervollständigung einer Geschichte einen leeren Kontext ausfüllt, erzeugt die hier vorgestellte Forschung einen plausiblen Satz mit einigen vorgegebenen Wörtern.
Ich habe GPT4 diesmal auch eine Aufgabe zugewiesen. Ich habe es gebeten, einen Satz mit vier Wörtern zu erstellen: „Morgen, Kaffee, Brot, U-Bahn“. Das scheint für GPT jetzt eine einfache Aufgabe zu sein.
Er wachte früh am Morgen auf, goss sich eine Tasse Kaffee ein, biss in ein warmes Brot und machte sich auf den Weg zur U-Bahn-Station zur Arbeit.
Die ausgewählten Inhalte in diesem Artikel sind nur einige der verschiedenen Forschungsthemen. Neben der natürlichen Sprachverarbeitung umfasst das Feld der künstlichen Intelligenzforschung Spracherkennung, Bild-/Videoerzeugung und vieles mehr, was endlos ist. Sie können auch Ideen entwickeln, indem Sie die bisher erforschten Themen durchsuchen und denken: „Ich habe diese Arten gelernt, also kann ich mit diesen Arten von Fragen erweitern.“ Besuchen Sie bitte auch diese Website, um einige großartige Ideen zu erkunden.