කෘතිම බුද්ධිය මේ ආකාරයට ඔබේ දත්ත සොරකම් කරයි

කෘතිම බුද්ධිය මේ ආකාරයට ඔබේ දත්ත සොරකම් කරයි

ඇමරිකානු සහ ස්විට්සර්ලන්ත විශ්ව විද්‍යාලවල පර්යේෂකයන් කණ්ඩායමක්, Google සහ එහි අනුබද්ධ DeepMind සමඟ සහයෝගයෙන් පර්යේෂණ පත්‍රිකාවක් ප්‍රකාශයට පත් කරන ලදී: DALL-E, Imagen, වැනි උත්පාදක කෘත්‍රිම බුද්ධි ආකෘති මත ඔවුන්ගේ කාර්යය පදනම් කරන රූප නිර්මාණ වේදිකාවල දත්ත කාන්දු විය හැකි ආකාරය පැහැදිලි කරයි. හෝ ස්ථායී විසරණය.

පරිශීලකයා නිශ්චිත පෙළ විමසුමක ටයිප් කිරීම මත පදනම්ව ඒවා සියල්ලම එකම ආකාරයකින් ක්‍රියා කරයි, උදා: “පේර ගෙඩියක හැඩයේ හාන්සි පුටුව”, සහ තත්පර කිහිපයකින් පෙළෙන් ජනනය වන රූපයක් ලබා ගැනීම.

මෙම වේදිකාවල භාවිතා වන උත්පාදක AI මාදිලි පූර්ව නිශ්චිත විස්තරයක් සහිත ඉතා විශාල රූප සංඛ්‍යාවක් මත පුහුණු කර ඇත.මෙම අදහස වන්නේ පුහුණු දත්ත විශාල ප්‍රමාණයක් සැකසීමෙන් පසු නව සහ අද්විතීය රූප උත්පාදනය කිරීමට ස්නායු ජාලයන්ට හැකි බවයි.

කෙසේ වෙතත්, නව අධ්‍යයනයෙන් පෙන්නුම් කරන්නේ මෙම පින්තූර සෑම විටම අද්විතීය නොවන බවයි.සමහර අවස්ථාවලදී, ස්නායු ජාලයට පුහුණුවේදී භාවිතා කළ පෙර රූපයකට හරියටම ගැලපෙන රූපයක් ප්‍රතිනිෂ්පාදනය කළ හැකිය.එයින් අදහස් කරන්නේ ස්නායුක ජාල නොදැනුවත්වම පුද්ගලික තොරතුරු හෙළිදරව් කළ හැකි බවයි.

මෙම අධ්‍යයනය මගින් රූප උත්පාදනය කිරීමට භාවිතා කරන AI මාදිලි ඔවුන්ගේ පුහුණු දත්ත සුරැකෙන්නේ නැති බවත්, අනාවරණය නොකළහොත් පුහුණු දත්ත පුද්ගලිකව පැවතිය හැකි බවත් යන මතවලට අභියෝග කරයි.

තවත් දත්ත ලබා දෙන්න

ගැඹුරු ඉගෙනුම් පද්ධතිවල ප්‍රතිඵල විශේෂඥයන් නොවන අයට විශ්මය ජනක විය හැකි අතර, ඒවා මැජික් යැයි ඔවුන්ට සිතිය හැක, නමුත් යථාර්ථයේ දී, මෙම කාරණයේ කිසිදු මැජික් නොමැත, මන්ද සියලුම ස්නායුක ජාලයන් ඔවුන්ගේ කාර්යය එකම මූලධර්මය මත පදනම් වන බැවින් එය පුහුණුවයි. විශාල දත්ත කට්ටලයක් සහ එක් එක් පින්තූරයේ නිවැරදි විස්තර භාවිතා කිරීම, උදාහරණයක් ලෙස: බළලුන්ගේ සහ බල්ලන්ගේ පින්තූර මාලාවක්.

පුහුණුවෙන් පසු, ස්නායුක ජාලය නව රූපයක් පෙන්වන අතර එය බළලෙකු හෝ බල්ලෙකුදැයි තීරණය කිරීමට ඉල්ලා සිටී. මෙම නිහතමානී ස්ථානයේ සිට, මෙම ආකෘතිවල සංවර්ධකයින් වඩාත් සංකීර්ණ අවස්ථා කරා ගමන් කරයි, බළලුන්ගේ බොහෝ රූප මත පුහුණු කර ඇති ඇල්ගොරිතමයක් භාවිතයෙන් නොපවතින සුරතල් සතෙකුගේ රූපයක් නිර්මාණය කරයි. මෙම අත්හදා බැලීම් සිදු කරනු ලබන්නේ පින්තූර සමඟ පමණක් නොව, පෙළ, වීඩියෝ සහ ශබ්දය සමඟ ය.

සියලුම ස්නායුක ජාල සඳහා ආරම්භක ලක්ෂ්‍යය පුහුණු දත්ත කට්ටලයයි.ස්නායු ජාල වලට සිහින් වාතයෙන් නව වස්තූන් නිර්මාණය කළ නොහැක. උදාහරණයක් ලෙස, බළලෙකුගේ රූපයක් නිර්මාණය කිරීම සඳහා, ඇල්ගොරිතම මගින් බළලුන්ගේ සැබෑ ඡායාරූප හෝ චිත්ර දහස් ගණනක් අධ්යයනය කළ යුතුය.

දත්ත කට්ටල රහසිගතව තබා ගැනීමට විශාල උත්සාහයක්

ඔවුන්ගේ ලිපියේ පර්යේෂකයන් යන්ත්‍ර ඉගෙනීමේ ආකෘති කෙරෙහි විශේෂ අවධානයක් යොමු කරයි.ඔවුන් පහත පරිදි ක්‍රියා කරයි: ඔවුන් පුහුණු දත්ත - මිනිසුන්ගේ රූප, මෝටර් රථ, නිවාස සහ යනාදිය - ශබ්දය එකතු කිරීමෙන් විකෘති කරයි.ඊළඟට, ස්නායුක ජාලය යථා තත්ත්වයට පත් කිරීමට පුහුණු කරනු ලැබේ. මෙම පින්තූර ඒවායේ මුල් තත්වයට.

මෙම ක්‍රමය මඟින් පිළිගත හැකි තත්ත්වයේ රූප ජනනය කිරීමට හැකි වේ, නමුත් විභව අඩුපාඩුවක් - උත්පාදක තරඟකාරී ජාල වල ඇල්ගොරිතම හා සසඳන විට - දත්ත කාන්දු කිරීමට එහි වැඩි ප්‍රවණතාවයි. මුල් දත්ත එයින් අවම වශයෙන් විවිධ ආකාර තුනකින් උපුටා ගත හැක, එනම්:

නිශ්චිත ප්‍රභව රූපයක් ප්‍රතිදානය කිරීමට ස්නායු ජාලයට බල කිරීමට නිශ්චිත විමසුම් භාවිතා කිරීම, දහස් ගණනක් රූප මත පදනම්ව ජනනය කරන ලද අද්විතීය දෙයක් නොවේ.
එහි කොටසක් පමණක් තිබුණත් මුල් රූපය ප්‍රතිනිර්මාණය කළ හැක.
පුහුණු දත්තවල යම් රූපයක් ඇතුළත් කර තිබේද නැද්ද යන්න සරලව තීරණය කළ හැකිය.
බොහෝ විට, ස්නායුක ජාල කම්මැලි වන අතර නව රූපයක් නිපදවනවා වෙනුවට, එකම රූපයේ අනුපිටපත් කිහිපයක් තිබේ නම්, ඔවුන් පුහුණු කට්ටලයෙන් යමක් නිපදවයි. පුහුණු කට්ටලය තුළ රූපයක් සිය වතාවකට වඩා පුනරාවර්තනය කළහොත්, එය එහි මුල් ස්වරූපයෙන් කාන්දු වීමට ඉතා ඉහළ සම්භාවිතාවක් ඇත.

කෙසේ වෙතත්, පර්යේෂකයන් විසින් මුල් කට්ටලයේ එක් වරක් පමණක් දිස් වූ පුහුණු රූප ලබා ගැනීමට ක්‍රම පෙන්වා දී ඇත.පර්යේෂකයන් විසින් පරීක්ෂා කරන ලද පින්තූර 500 න්, ඇල්ගොරිතම ඒවායින් තුනක් අහඹු ලෙස ප්‍රතිනිර්මාණය කරන ලදී.

හොරකම් කළේ කාගෙන්ද?

2023 ජනවාරි මාසයේදී, කලාකරුවන් තිදෙනෙක් AI මත පදනම් වූ රූප උත්පාදන වේදිකාවලට නඩු පවරන ලද්දේ ප්‍රකාශන හිමිකමට කිසිදු ගෞරවයක් නොමැතිව ඔවුන්ගේ ආකෘති පුහුණු කිරීම සඳහා ඔවුන්ගේ සබැඳි රූප භාවිතා කිරීම සම්බන්ධයෙන් ය.

ස්නායු ජාලයකට ඇත්ත වශයෙන්ම කලාකරුවෙකුගේ ශෛලිය පිටපත් කළ හැකි අතර එමඟින් ඔහුට ආදායම අහිමි වේ. සමහර අවස්ථාවලදී, ඇල්ගොරිතම විවිධ හේතූන් මත, සම්පූර්ණයෙන්ම කොල්ලකෑම්, චිත්‍ර, ඡායාරූප සහ සැබෑ පුද්ගලයින්ගේ කාර්යයට බොහෝ දුරට සමාන වෙනත් රූප ජනනය කළ හැකි බව පත්‍රයේ සටහන් වේ.

එබැවින් මුල් පුහුණු කට්ටලයේ විශේෂත්වය වැඩි දියුණු කිරීම සඳහා පර්යේෂකයන් නිර්දේශ ඉදිරිපත් කළහ:

1- පුහුණු කණ්ඩායම්වල පුනරාවර්තනය ඉවත් කරන්න.
2- පුහුණු රූප නැවත සකසන්න, උදා: ශබ්දය එකතු කිරීමෙන් හෝ දීප්තිය වෙනස් කිරීමෙන්; මෙය දත්ත කාන්දු වීම අඩු කරයි.
3- විශේෂ පුහුණු රූප භාවිතයෙන් ඇල්ගොරිතම පරීක්ෂා කිරීම, පසුව එය නොදැනුවත්වම එය නිවැරදිව ප්‍රතිනිෂ්පාදනය නොකරන බව තහවුරු කිරීම.

ඊළඟ කුමක්ද?

කලාකරුවන් සහ තාක්‍ෂණ සංවර්ධකයින් අතර සමතුලිතතාවයක් සෙවිය යුතු ජනක කලා වේදිකා නිසැකවම මෑතදී සිත්ගන්නා විවාදයක් ඇති කර තිබේ. එක් අතකින්, ප්‍රකාශන හිමිකමට ගරු කළ යුතු අතර, අනෙක් අතට, AI විසින් ජනනය කරන ලද කලාව මානව කලාවට වඩා බෙහෙවින් වෙනස් ද?

නමුත් අපි ආරක්ෂාව ගැන කතා කරමු. පත්‍රිකාව එක් යන්ත්‍ර ඉගෙනුම් ආකෘතියක් පිළිබඳ නිශ්චිත කරුණු සමූහයක් ඉදිරිපත් කරයි. සියලුම සමාන ඇල්ගොරිතම සඳහා සංකල්පය දිගු කිරීම, අපි සිත්ගන්නාසුලු තත්වයකට පැමිණෙමු. ජංගම දුරකථන ජාල ක්‍රියාකරුවෙකුගේ බුද්ධිමත් සහායකයෙකු පරිශීලකයෙකුගේ විමසුමකට ප්‍රතිචාර වශයෙන් සංවේදී සමාගම් තොරතුරු ලබා දීම හෝ වෙනත් කෙනෙකුගේ විදේශ ගමන් බලපත්‍රයේ පිටපතක් සෑදීමට පොදු ස්නායු ජාලයක් පොළඹවන හොර පිටපතක් ලියන අවස්ථාවක් සිතීම දුෂ්කර නොවේ. කෙසේ වෙතත්, පර්යේෂකයන් අවධාරණය කරන්නේ එවැනි ගැටළු දැනට න්‍යායාත්මකව පවතින බවයි.

නමුත් අපි දැන් අත්විඳිමින් සිටින වෙනත් සැබෑ ගැටළු තිබේ, මන්ද එවැනි ස්ක්‍රිප්ට් උත්පාදන ආකෘති: ChatGPT දැන් සැබෑ අනිෂ්ට කේතය ලිවීමට භාවිතා කරයි.

තවද GitHub Copilot ක්‍රමලේඛකයින්ට විවෘත කේත මෘදුකාංග විශාල ප්‍රමාණයක් ආදානය ලෙස භාවිතා කරමින් කේත ලිවීමට උදවු කරයි. තවද මෙවලම සෑම විටම ඉතා පුළුල් වූ පුහුණු දත්ත සමූහයකින් අවසන් වූ කේත කතුවරුන්ගේ ප්‍රකාශන හිමිකමට සහ පෞද්ගලිකත්වයට ගරු නොකරයි.

ස්නායුක ජාල පරිණාමය වන විට, කිසිවෙකුට තවමත් නොතේරෙන ප්රතිවිපාක සමඟ ඒවාට එරෙහිව ප්රහාර එල්ල වනු ඇත.

2023 වර්ෂය සඳහා මැගුයි ෆාරාගේ කේන්දර අනාවැකි