ترجمه فارسی مقاله ثبت تجربیات اول شخص برای ساخت نوع جدیدی از مدل بنیادی

چکیده

Foundation models have had a big impact in recent years and billions of dollars are being invested in them in the current AI boom. The more popular ones, such as Chat-GPT, are trained on large amounts of Internet data. However, it is becoming apparent that this data is likely to be exhausted soon, and technology companies are looking for new sources of data to train the next generation of foundation models. Reinforcement learning, RAG, prompt engineering and cognitive modelling are often used to fine-tune and augment the behaviour of foundation models. These techniques have been used to replicate people, such as Caryn Marjorie. These chatbots are not based on people’s actual emotional and physiological responses to their environment, so they are, at best, a surface-level approximation to the characters they are imitating. To address these issues, we have developed a recording rig that captures what the wearer is seeing and hearing as well as their skin conductance (GSR), facial expression and brain state (14 channel EEG). AI algorithms are used to process this data into a rich picture of the environment and internal states of the subject. Foundation models trained on this data could replicate human behaviour much more accurately than the personality models that have been developed so far. This type of model has many potential applications, including recommendation, personal assistance, GAN systems, dating and recruitment. This paper gives some background to this work and describes the recording rig and preliminary tests of its functionality. It then suggests how a new type of foundation model could be created from the data captured by the rig and outlines some applications. Data gathering and model training are expensive, so we are currently working on the launch of a start-up that could raise funds for the next stage of the project.

چکیده به فارسی (ترجمه ماشینی)

مدل های بنیاد در سالهای اخیر تأثیر زیادی داشته و میلیاردها دلار در رونق فعلی هوش مصنوعی در آنها سرمایه گذاری می شود.محبوب تر مانند چت-GPT در مقادیر زیادی از داده های اینترنتی آموزش داده می شود.با این حال ، آشکار می شود که احتمالاً این داده ها به زودی خسته می شوند ، و شرکت های فناوری به دنبال منابع جدید داده ها برای آموزش نسل بعدی مدل های بنیاد هستند.یادگیری تقویت ، RAG ، مهندسی سریع و مدل سازی شناختی اغلب برای تنظیم دقیق و تقویت رفتار مدل های پایه استفاده می شود.از این تکنیک ها برای تکثیر افراد مانند کارین مارجوری استفاده شده است.این chatbots مبتنی بر پاسخ های عاطفی و فیزیولوژیکی واقعی افراد به محیط آنها نیست ، بنابراین در بهترین حالت آنها تقریب سطح سطح به شخصیت هایی هستند که از آنها تقلید می کنند.برای پرداختن به این مسائل ، ما یک دکل ضبط ایجاد کرده ایم که آنچه را که پوشنده می بیند و می شنود و همچنین هدایت پوست آنها (GSR) ، بیان صورت و حالت مغز (14 کانال EEG) را ضبط می کند.از الگوریتم های هوش مصنوعی برای پردازش این داده ها در یک تصویر غنی از محیط و حالت های داخلی موضوع استفاده می شود.مدل های بنیادی که بر روی این داده ها آموزش دیده اند می توانند رفتار انسان را بسیار دقیق تر از مدل های شخصیتی که تاکنون توسعه یافته اند ، تکرار کنند.این نوع مدل دارای برنامه های بالقوه بسیاری از جمله توصیه ، کمک شخصی ، سیستم های GAN ، دوست یابی و استخدام است.این مقاله پیش زمینه ای برای این کار ارائه می دهد و دکل ضبط و آزمایش های اولیه عملکرد آن را شرح می دهد.سپس نشان می دهد که چگونه می توان نوع جدیدی از مدل بنیاد را از داده های ضبط شده توسط دکل ایجاد کرد و برخی از برنامه ها را تشریح می کند.جمع آوری داده ها و آموزش مدل گران است ، بنابراین ما در حال حاضر در حال راه اندازی یک راه اندازی هستیم که می تواند برای مرحله بعدی پروژه بودجه جمع کند.