En ny undersøgelse viser, at folk er mere tilbøjelige til at stole på tweets genereret af AI-modellen GPT-3 end på indhold skrevet af mennesker – en klar reminder om, hvor kraftfulde AI-sprogmodeller kan være til at informere eller vildlede offentligheden.

Forskerne fandt ud af, at deltagerne i undersøgelsen havde svært ved at skelne mellem tweets skrevet af AI-modellen og tweets skrevet af mennesker. Faktisk var deltagerne bedre til at identificere sand information, når den kom fra AI-modellen, og havde sværere ved at genkende desinformation skrevet af AI-modellen. 

Umuligt at skelne 

Forskerne indsamlede tweets om videnskabelige emner som vacciner og klimaforandringer og bad GPT-3 om at generere nye tweets med både korrekt og ukorrekt information. Resultaterne viste, at GPT-3-genererede tweets var “umulige at skelne” fra ægte tweets.

Alligevel er der visse begrænsninger ved undersøgelsen, herunder at deltagerne skulle vurdere tweets uden kontekst og dermed ikke kunne se Twitter-profiler eller tidligere tweets, der kunne hjælpe dem med at identificere bots eller vildledende indhold.

Studiet konkluderede også, at deltagerne i undersøgelsen var bedre til at vurdere nøjagtigheden af tweets end GPT-3 i visse tilfælde. Forskerne mener, at forbedring af træningsdatasæt, der bruges til at udvikle sprogmodeller, kan gøre det sværere for dårlige aktører at bruge disse værktøjer til at sprede desinformationskampagner. 

Desuden understreger forskerne, at en langsigtet strategi til at imødegå desinformation er at fremme kritisk tænkning, så folk er bedre rustet til at skelne mellem fakta og fiktion. 

Læs mere her, https://www.theverge.com/2023/6/28/23775311/gpt-3-ai-language-models-twitter-disinformation-study 

To tyske forskere, Sophie Jentzsch og Kristian Kersting, har opdaget, at ChatGPTs viden om vittigheder er ret begrænset. Den gentager nemlig de samme 25 vittigheder igen og igen. 

De to forskere, tilknyttet Institute for Software Technology, German Aerospace Center (DLR) og Technical University Darmstadt, har udforsket humorindholdet i ChatGPT’s 3.5-version (ikke den nyere GPT-4-version) gennem en række eksperimenter med fokus på vittighedsgenerering, forklaring og opdagelse.

Tomatvittigheden

Flere mennesker har da også bemærket, at når de beder ChatGPT om en vittighed, vender den ofte tilbage med: “Hvorfor blev tomaten rød? Fordi den så salatdressingen.” Det er derfor ikke overraskende, at Jentzsch og Kersting fandt ud af, at “tomat”-vittigheden var GPT-3.5’s næstmest almindelige resultat. 

Selvom et lille antal af de genererede svar var unikke, ser det ud til, at ChatGPT primært skabte dem ved at blande elementer fra forskellige vittigheder, den allerede kender. Og forskerne fandt da også, at nogle af sprogmodellens originale kreationer slet ikke altid gav mening.

En grad af forståelse

Når den blev bedt om at forklare hver af de 25 mest almindelige vittigheder, gav ChatGPT primært gyldige forklaringer ifølge forskernes metode og indikerede en “forståelse” af stilistiske elementer som ordleg og dobbeltbetydninger. Dog havde den svært ved sekvenser, der ikke passede ind i de indlærte mønstre, og kunne ikke afgøre, hvornår en vittighed ikke var sjov. 

Generelt fandt Jentzsch og Kersting, at ChatGPT’s opdagelse af vittigheder blev kraftigt påvirket af tilstedeværelsen af vittighedens “overfladekarakteristika” som struktur, brug af ordleg eller ordspil, hvilket viser en vis grad af “forståelse” af humoristiske elementer.

Trods ChatGPT’s begrænsninger inden for vittighedsgenerering og -forklaring påpeger forskerne altså, at fokusset på indhold og betydning indikerer fremskridt mod en mere omfattende forskningsforståelse af humor i sprogmodeller.

Læs mere her, https://arstechnica.com/information-technology/2023/06/researchers-discover-that-chatgpt-prefers-repeating-25-jokes-over-and-over/?utm_source=tldrai 

Forskere har ved hjælp af kunstig intelligens (AI) opdaget en potent ny antibiotika, der kan dræbe en farlig superbug. (Resistent mikroorganisme)

Ved at udnytte AI’s evne til at analysere tusindvis af kemikalier blev forskerne i stand til at identificere en lille gruppe, der kunne testes i laboratoriet. Resultatet blev abaucin, et eksperimentelt antibiotikum, der viste sig at være kraftfuldt. Opdagelsen viser potentialet i at anvende AI til at accelerere opdagelsen af nye lægemidler, og det er endnu et eksempel på, hvordan kunstig intelligens kan revolutionere videnskab og medicin.

Farlig bakterie 

Superbugs udgør en enorm trussel, da mange bakterier er blevet resistente over for eksisterende antibiotika. Forskere fokuserede på en særligt farlig superbug kaldet Acinetobacter baumannii, der er kendt for at forårsage infektioner og være resistent over for flere antibiotika. Ved at træne AI’en med kendte kemiske strukturer og teste dem mod Acinetobacter baumannii kunne forskerne identificere de kemiske egenskaber, der kan bekæmpe denne bakterie.

AI blev derefter brugt til at analysere tusindvis af ukendte kemikalier og udvalgte en kortliste af potentielle antibiotika. Efter laboratorietests blev ni potentielle antibiotika identificeret, herunder det kraftfulde abaucin. Fortsatte undersøgelser viste, at abaucin var i stand til at behandle inficerede sår hos mus og dræbe prøver af Acinetobacter baumannii fra patienter. 

Banebrydende metode

Det bemærkelsesværdige ved abaucin er, at det kun påvirker Acinetobacter baumannii og ikke andre bakterier. Dette fokus på præcision kan mindske risikoen for resistens og reducere bivirkninger. Dog er der stadig en lang vej at gå, før abaucin kan anvendes klinisk. Forskerne skal forfine lægemidlet i laboratoriet og gennemføre kliniske forsøg.

Men der er ingen tvivl om, at anvendelsen af AI i opdagelsen af antibiotika er en banebrydende metode, der kan fremskynde og udvide søgningen efter nye lægemidler. Ved at bruge AI-teknologi kan forskerne hurtigt analysere millioner af kemiske forbindelser, hvilket ellers ville være en omstændelig og tidkrævende proces.

Læs mere her, https://www.bbc.com/news/health-65709834?utm_source=tldrai 

Diagnostik er en af de vigtigste dele af sundhedspleje, da læger skal vide, hvad patienten fejler, for at kunne behandle dem. Og her kan AI potentielt have stor indvirkning. Ved at træne AI-systemer med store mængder eksisterende data, såsom patientjournaler og medicinske scanninger, har forskere skabt systemer, der kan analysere nye tilfælde og forudsige, hvad der er galt, ofte hurtigere og med lige så stor eller større præcision end menneskelige eksperter.

Et eksempel er en AI udviklet af tyske forskere, der er trænet til at identificere små knoglebrud, som indikerer osteoporose, en sygdom der forårsager svage eller skøre knogler. AI’en leder efter disse små brud i computertomografi (CT)-scanninger, der er bestilt af andre årsager, f.eks. for at undersøge en patients lunger. AI’en kan automatisk inspicere rygsøjlen og angive eventuelle brud på hvirvler, som ellers ikke ville være blevet opdaget. Forskerne testede AI’en på 159 CT-scanninger af rygsøjlen, som viste i alt 170 brud, og den klassificerede korrekt 90% af scanningerne med brud og 87% af dem uden brud. Hvis AI’en bliver en rutinemæssig del af radiologi, kan den ifølge forskeren være “et tidligt advarselssystem for at forhindre alvorlige konsekvenser af osteoporose.”

Brug af robotter

I dag står mange kirurger ikke bare bøjet over patienter med skalpeller, men står også bag computerskærme og bruger joysticks til præcist at styre de robotarme, de ser på skærmen. Her kan robotter gøre det nemmere for læger at udføre komplekse og delikate operationer med mindre risiko og smerte. Men de afhænger stadig af lægens viden og færdigheder bag joysticket – i hvert fald indtil videre.

I januar 2022 rapporterede Johns Hopkins University (JHU), at deres AI-drevne Smart Tissue Autonomous Robot (STAR) havde udført en operation på levende grise ved at sy to ender af tarmen sammen. Ikke alene var dette det første eksempel på en robot, der udfører en autonom laparoskopisk operation, men robotten udførte også opgaven mere præcist og hurtigere end en menneskelig kirurg. 

Offentlig skepsis 

Selv om AI viser potentiale til at revolutionere sundhedsområdet, er den brede offentlighed dog stadig skeptisk over for at lade AI spille en rolle i deres medicinske behandling. En undersøgelse viser, at mange mennesker ikke er klar til at stole på AI til diagnosticering og behandling, og der er samtidig bekymringer om manglende forklaringsevne fra AI-systemerne. 

Læs mere her, https://www.freethink.com/health/ai-in-healthcare?utm_source=tldrai 

Et forskerhold ledet af Yan Zeng, en forsker ved Department of Energy’s Lawrence Berkeley National Laboratory (Berkeley Lab), har opbygget et nyt forskningslaboratorium, hvor robotter udfører arbejdet, og kunstig intelligens (AI) træffer rutinemæssige beslutninger. Dette gør det muligt at arbejde døgnet rundt og fremskynder dermed forskningstempoet.

Forskningsfaciliteter og instrumentering har udviklet sig markant gennem årene, men karakteren af forskning er stadig den samme. Centralt i hvert eksperiment er et menneske, der udfører målinger, fortolker data og beslutter, hvilke næste skridt, der skal tages. På A-Lab i Berkeley ønsker forskerne, ledet af Zeng, at bryde det nuværende forskningstempo ved hjælp af robotteknologi og kunstig intelligens.

Grøn energi i fokus 

Formålet med A-Lab er at syntetisere nye materialer, der kan anvendes til at producere forskellige produkter inden for ren energi, såsom solceller, brændselsceller og termoelektriske materialer samt andre teknologier inden for den grønne energisektor. Traditionelt set har materialsyntese været en langsom proces, der kræver menneskelig indsats og tager tid. Ved at introducere robotter og AI kan A-Lab accelerere synteseprocessen med op til 100 gange sammenlignet med menneskelig håndtering. Arbejdet med konceptet begyndte i 2020, og med finansiering fra Department of Energy begyndte konstruktionen i 2022 og blev afsluttet på lidt over et år.

Anvendelsen af robotteknologi og AI i forskning har potentialet til at ændre forskningslandskabet ved at effektivisere processerne og øge tempoet for opnåelse af resultater.

Læs mere her: https://interestingengineering.com/innovation/ai-robots-work-accelerate-materials-research?utm_source=tldrai

Forskere fra Osaka University har brugt kunstig intelligens til at afkode testpersoners hjerneaktivitet og skabe billeder af det, de ser.

Yu Takagi, en 34-årig neuroforsker og lektor ved Osaka University, kunne ikke tro sine egne øjne, da han en  eftermiddag i september så, hvordan kunstig intelligens afkodede en testpersons hjerneaktivitet og skabte billeder af det på en skærm. Takagi og hans team brugte Stable Diffusion (SD), en dyblæring AI-model udviklet i Tyskland i 2022, til at analysere hjerneafbildninger af testpersoner, der blev vist op til 10.000 billeder, mens de var inde i en MRI-maskine. Efter at Takagi og hans forskningspartner Shinji Nishimoto havde opbygget en simpel model til at “oversætte” hjerneaktivitet til en læsbar format, var Stable Diffusion i stand til at generere billeder med høj præcision, der lignede originalerne forbløffende meget. 

Ikke Tankelæsning 

AI’en kunne gøre dette, selvom den ikke havde set billederne på forhånd eller var trænet til at fremstille resultaterne. Takagi understreger dog, at gennembruddet på nuværende tidspunkt ikke er tankelæsning – AI’en kan kun producere billeder af det, en person har set.

Dette er ikke tankelæsning. Desværre er der mange misforståelser om vores forskning. Vi kan ikke afkode fantasier eller drømme, men selvfølgelig er der potentiale i fremtiden, siger Takagi. 

Men udviklingen har alligevel rejst bekymringer om, hvordan teknologien kan blive brugt i fremtiden, i lyset af en bredere debat om de risici, AI generelt udgør. I et åbent brev sidste måned opfordrede teknologiledere, herunder Tesla-grundlægger Elon Musk og Apple-medstifter Steve Wozniak, til en pause i udviklingen af AI på grund af “dybtgående risici for samfundet og menneskeheden.”

Og trods sin begejstring erkender Takagi, at frygten omkring tankelæsningsteknologi ikke er uden berettigelse, på grund af muligheden for misbrug af personer med ond vilje eller uden samtykke.

Fremtidens hjerneteknologi?

Takagi og Nishimotos forskning har vakt stor opmærksomhed i teknologifællesskabet, der er blevet intensiveret af hastige fremskridt inden for AI, herunder frigivelsen af ChatGPT, der producerer menneskelignende tekst som svar på brugerens input. Alligevel er Takagi og Nishimoto forsigtige med ikke at lade sig rive med af deres resultater.

For trods fremskridt inden for neurale grænseflader – herunder elektroencefalografi (EEG) hjernecomputere, der registrerer hjernens bølger via elektroder, der er forbundet til en persons hoved, og fMRI, der måler hjerneaktivitet ved at registrere ændringer i blodgennemstrømningen – mener forskerne, at vi kan være årtier fra at kunne afkode visuelle oplevelser, der kun eksisterer i fantasien, på en præcis og pålidelig måde. Men Takagi ser dog en fremtid, hvor teknologien kunne bruges til kliniske, kommunikationsmæssige eller endda underholdningsformål.

Læs hele artiklen her: https://www.aljazeera.com/economy/2023/4/7/could-ai-read-minds-somedayjapanese-breakthrough-sparks-debate?utm_source=tldrai