@sixtus Und wie viel Prozent der Menschheit auch nur Intelligenz vortäuschen. Wer sagt denn das "menschliche Intelligenz" sich signifikant von dem unterscheidet was die großen ML Modelle machen ?

@ulli
Das, was wir aktuell an ML-Systemen haben, sind immer für einen spezifischen Zweck trainierte Systeme (z.B. zur Generierung von Sprache). Das unterscheidet sich signifikant von Menschen, die problemlos mehrere Aspekte ihrer Intelligenz kombinieren können.
@sixtus

@denki @sixtus Stable Diffustion verarbeitet ja z.b. auch Primär Text zu Bildern, oder Text. Kann aber auch Bilder+Text zu Bildern oder Text verarbeiten, von Google und Nvidia gabs glaub ich auch jewails Paper zu Systemen die das können, teils auch Audio und bei Nvidia auch 3D Daten

@denki @sixtus OpenAI's CLIP-Modell, zum Beispiel, ist ein einzelnes Modell, das "aus einem Guss" trainiert wurde. Es wurde gleichzeitig auf Text- und Bild-Daten trainiert, um Beziehungen zwischen den beiden zu lernen. CLIP verwendet eine Technik namens "Contrastive Learning", bei der das Modell dazu trainiert wird, einen gegebenen Text mit einem zugehörigen Bild zu vergleichen und den Unterschied zwischen diesem Bild-Text-Paar und anderen Bild-Text-Paaren zu maximieren.

@ulli
In diesem Fall lernt man ja dann auf Paaren von Bild und Text; das ist ja auch wieder homogen (genau genommen eine homogene Sequenz von Tupeln aus jeweils Bild und Text) und somit wieder eine spezielle Art von Sprache die speziell trainiert wird.
@sixtus

@denki @sixtus ChatGPT sagt "Self-Supervised Learning" ist z.b. eine Technolgie mit der man das erreichen kann da bin ich aber raus.