生成 AI 之世界:深度伪造和大型语言模型
生成式人工智能技术(GenAI)可能被用于积极和消极目的,这篇论文讨论了 GenAI 所带来的双重用途困境,并提出了针对此问题的短期和长期目标,旨在引发学术界对此重要主题的深入讨论。
Aug, 2023
本研究通过系统调查、基于文本挖掘的全球和国家指南、独立研究以及八十所大学层面的指导,提供了对教育中生成式人工智能(GAI)和大型语言模型(LLMs)的机会和挑战进行细致的理解。研究强调了在这些技术的整合过程中平衡方法的重要性,以 harness 利用其技术优势的同时,考虑伦理问题,并确保公平的获取和教育结果。最后,本文提出了促进负责任创新和道德实践,指导将 GAI 和 LLMs 整合到学术中的建议。
May, 2024
通过定性和定量实验,我们调查了多模式大型语言模型在 DeepFake 检测中的能力,并展示了它们通过仔细的实验设计和及时的工程设计可以揭示 AI 生成的图像,而这一过程并不需要编程。我们讨论了多模式大型语言模型在这些任务中的局限性,并提出可能的改进。
Mar, 2024
该论文探讨利用巨大的大语言模型生成特定任务训练数据的先进技术,介绍了方法论、评估技术和实际应用,并讨论了当前的限制和未来研究的潜在路径。
Mar, 2024
生成式人工智能和大型语言模型的出现标志着人工智能领域的范式转变。本文分析欧盟背景下产生式人工智能和大型语言模型的法律和监管影响,着重分析责任、隐私、知识产权和网络安全等方面。它批判性地审视现有和拟议的欧盟立法,包括《人工智能法案(AIA)》草案,以应对生成式人工智能和大型语言模型所带来的独特挑战。本文确定了立法框架中的潜在差距和不足,并提出建议,以确保生成模型的安全合规部署,使其与欧盟不断演变的数字环境和法律标准保持一致。
Jan, 2024
本研究综述了生成人工智能(Generative AI)和大语言模型(LLMs)在视频技术领域中的应用,包括视频生成、理解和流媒体,强调了这些技术在产生高度逼真视频方面的创新应用,在实现现实世界动态与数字创作之间存在重大差距的时候迈出了重要一步。同时,作者还深入探讨了 LLMs 在视频理解方面的先进能力,展示了它们从视觉内容中提取有意义信息的有效性,从而提升了我们与视频的互动。在视频流媒体领域,本文讨论了 LLMs 如何为更高效、以用户为中心的流媒体体验做出贡献,将内容传递适应个体观众的偏好。通过梳理生成 AI 和 LLMs 在与多媒体、网络和人工智能社区相关的视频技术任务中的当前成就、持续挑战和未来可能性,本文突显出这些技术在推动视频技术领域发展方面的巨大潜力。
Jan, 2024
利用大型语言模型的自然语言处理是人工智能研究的一个繁荣领域。虽然神经网络已经证明在基于模式识别的游戏和实际领域中可以超越人类,但过度依赖 LLMs 会带来严重的风险,其中包括被用于生产虚假信息。这也引发了新的伦理挑战和各种类型的欺诈。
Feb, 2023