生成式人工智能必須具備文化流暢性并接受多樣化數據的訓練，以擴大其受眾并改善跨文化的人際互動。成都軟件開發(fā)團隊整合了UrbanDictionary來擴展Watson的詞匯量。這似乎是個好主意，但Watson無法弄清楚何時使用俚語是恰當的。Watson的回答充斥著不恰當的口語，他們不得不告別UD。這一事件凸顯了AI的弊端：我們還沒有為生成式AI提供輸入，以應對文化多樣性的復雜性。

我們需要能夠適應不同文化的生成式人工智能，這樣我們的員工才能有效地使用它。我們如何為我們的人才創(chuàng)造一個蓬勃發(fā)展的環(huán)境？我們?yōu)槲覀兊膱F隊配備了提高生產力和創(chuàng)造力的工具，但目前GenAI還存在不足。 

讓我們探討一下為什么我們需要這樣做： 

改變我們輸入的數據，以便我們可以使用生成式人工智能進行決策

在用戶生成內容中提供額外的文化背景

提高機器學習訓練師的文化流暢度。

為GenAI提供代表性數據，為多元文化社會做出更好的決策

人工智能在預測分析和預報方面取得了突破。我們的團隊為客戶開展過人工智能項目，從戰(zhàn)略營銷項目到利用天氣和交通數據預測準確的交貨時間，甚至構建算法來降低化肥成本。然而，GenAI是一個飛躍。它通過數據和邏輯推理產生新的想法。 

舉個例子，將一張坐在草坪上的狗的肖像圖轉換成正方形。在轉換過程中，狗的左右兩側會缺少草。你不必請平面設計師在圖片中添加草，而是可以求助于GenAI，它可以在圖片中生成新的草。不再需要剪切和粘貼；生成式AI擅長即興創(chuàng)作。

我們可以使用GenAI來提出新穎的想法和模擬，以便領導者做出更好的決策。但這些模擬需要代表性數據，例如狗照片中的草。GenAI不必想象草是什么樣子。

人工智能需要知道屏幕另一邊是誰

GenAI建立在交互的基礎上。ChatGPT擁有約1.805億用戶，產生了數十億次交互，并且還在不斷增加。它的主要失敗之處在于準確性不足。這些不準確性源于這些未統(tǒng)計的交互。 

例如，我要求ChatGPT為這篇文章想出10個標題。它回復說，所有標題都使用了冒號—顯然，標題中使用冒號很流行！我想要更簡潔的標題，所以要求標題不要使用冒號。ChatGPT嘗試了四次才給出正確的指令。

它像人類一樣困惑嗎？它應該是語法高手。還是它正在篩選數百萬條與用戶的對話，而這些對話中充斥著由于我們集體與冒號斗爭而產生的錯誤？

改進的關鍵在于人工智能對對話伙伴的認知。有了這種認知，它就能判斷何時吸收和與他人分享信息。

從正確的來源獲取建議

當我向我的網球教練詢問如何完美地打出一記后旋球時，我會牢記他的建議。如果他轉過身來告訴我將80%的股票投資于一家電子商務初創(chuàng)公司，我會持懷疑態(tài)度。我們會評估意見和分享者的信息的有效性。

當我們讓人工智能自由地處理數百萬用戶的互動時，這些數據將被匯編成一堆未分類的材料。為了提高人工智能的準確性，用戶應該有辦法自愿分享關鍵信息，如母語、職業(yè)、資格、位置和年齡。作為人類，我們會對周圍的人進行無休止的觀察，直到我們相信他們會影響我們的決策。 

這是有根據和無根據意見的基本論點。有根據的意見，比如醫(yī)生的醫(yī)療建議，是有分量的。無根據的意見，比如出租車司機診斷電器問題，則要受到懷疑。

為了減少因用戶生成內容而導致的AI錯誤，我們必須為用戶提供一種安全的方式來分享個人信息，同時又不損害數據隱私。有了更具代表性的數據和背景，下一步就是關注文化上熟練的NLP工程師和機器學習開發(fā)人員。

成都軟件開發(fā)需要確保我們的人工智能輸入（無論是手動輸入還是用戶輸入）具有文化多樣性和語境相關性。駕馭文化多樣性對人類來說是一項壯舉。人工智能能否通過變得通曉多種文化來彌補我們的差距和不足？

文章均為京上云專業(yè)成都軟件開發(fā)公司，專注于成都軟件開發(fā)服務原創(chuàng)，轉載請注明來自http://hyd365.cn/news/3031.html