Opracowania

Student przesyła podejrzaną pracę zaliczeniową, a znana dziennikarka–celebrytka w krótkim czasie publikuje kolejną książkę, której temat wymaga zaawansowanego researchu. Pojawiają się podejrzenia, że to wszystko może być możliwe tylko dzięki zastosowaniu sztucznej inteligencji, jednak trudno to jednoznacznie udowodnić. Kolejne badania dotyczące cech tekstów wytwarzanych maszynowo sugerują, że nie pojawi się jedna, uniwersalnie skuteczna i automatyczna metoda wykrywania tego typu treści. Zamiast tego analizować należy poszczególne warstwy tekstu.... Czytaj dalej

Nawet jeśli biblioteki, archiwa i muzea cyfrowe udostępniają zdigitalizowane zbiory z domeny publicznej, mają prawo ograniczać dostęp do nich dla scraperów, gromadzących dane do trenowania modeli AI - to wnioski z raportu opublikowanego niedawno przez Fundację Europeana.... Czytaj dalej

Slop to niskiej jakości, masowe i monotonne wytwory AI. Kojarzymy je głównie z męczącymi grafikami, zalewającymi media społecznościowe i portale. Jednak slop może mieć też postać tekstową i wyrażać się w całych tekstach lub infekować ich fragmenty. Jak w takim przypadku go rozpoznawać?... Czytaj dalej

Być może w dyskusjach o sztucznej inteligencji za bardzo koncentrujemy się na wyszukiwaniu granic jej możliwości, a zbyt rzadko zadajemy pytania o skuteczność jej stosowania w rozwiązywaniu realnych zadań. Pomyślmy na przykład o wsparciu opisywania obiektów wizualnych w muzeach. Czy dzięki postępom w rozwoju dużych multimodalnych modeli językowych moglibyśmy liczyć na realne wsparcie w tej pracy?... Czytaj dalej

Tekst wygenerowany przez model językowy, dostrojony na twórczości znanego autora, bardziej podoba się czytelnikom (ekspertom i amatorom) niż proza w jego stylu, napisana przez zawodowych pisarzy. Co więcej, jest niewykrywalny dla detektorów AI, nie powtarza dosłownych schematów z oryginalnych utworów, a jego wytworzenie kosztuje 99.7 proc. mniej niż potencjalne honorarium profesjonalnego pisarza, który miałby przygotować powieść w stylu oryginalnych twórców.... Czytaj dalej

W niedawnym badaniu Microsoftu historycy zajęli drugie miejsce na liście kilkudziesięciu zawodów z najwyższym poziomem stosowalności AI (AI applicability score). Tylko praca tłumaczy miała być lepiej dostosowana do możliwości sztucznej inteligencji, a więc potencjalnie łatwiej zastępowalna. Spojrzenie na metody tej analizy sprawia jednak, że nie pozostaje nam nic innego, jak wzruszyć ramionami i zająć się ważniejszymi problemami niż rzekome wypieranie historyków przez AI.... Czytaj dalej

Spodziewamy się, że duże modele językowe będą użytecznym wsparciem w tworzeniu opisów zabytków, tłumaczeniu starożytnych tekstów czy rozwijaniu zasobów edukacyjnych. Podjęty niedawno test pięciu modeli open-source na 1066 niepowtarzalnych zadaniach ujawnia jednak poważne ograniczenia. Ponad 65 proc. wygenerowanych odpowiedzi zawiera istotne niezgodności kulturowe (cultural value misalignment).... Czytaj dalej

Czy fikcje w całości generowane przez duże modele językowe mogą nawiązywać do tradycji narodowych i uwzględniać rzeczywistość poszczególnych krajów? Aby to sprawdzić, badacze z Uniwersytetu w Bergen wygenerowali i przeanalizowali niemal 12 tys. opowiadań, przedstawiających historie dla 236 krajów, w tym dla Polski.... Czytaj dalej

Od czerwca 2023 roku działa rosyjski fork Wikipedii. Analiza różnic między treścią rosyjskiej Wikipedii a treścią RuWiki pozwala poznać metody, którymi autorytarne państwo może manipulować największą i dostępną dla wszystkich encyklopedią.... Czytaj dalej

Duża część detektorów, mających sprawdzać, czy dany tekst został wygenerowany przez LLM, bazuje na perpleksji. W konsekwencji, jeśli nie mamy naturalnie bogatego słownictwa, albo materia pracy pisemnej wymaga prostego języka, przygotowany przez nas tekst może zostać fałszywie oznaczony. Z tego powodu lepiej ręcznie starać się rozpoznawać generowane teksty. Metody takiego sprawdzania, użyteczne na przykład podczas oceny studenckich prac pisemnych, sugeruje społeczność Wikipedii.... Czytaj dalej