National and Kapodistrian University of Athens
Generative Artificial Intelligence: Models, Benefits, Dangers and Detection of AI-Generated Text on Specialized Domains
Abstract
dc:descriptionΗ Τεχνητή Νοημοσύνη, και πιο συγκεκριμένα, η Μηχανική Μάθηση, βιώνει μια πρωτοφανή ανάπτυξη σήμερα. Στο επίκεντρο αυτής της ανάπτυξης βρίσκεται η Παραγωγική Τεχνητή Νοημοσύνη. Από την παραγωγή εικόνων και κειμένου μέχρι τη σύνθεση ομιλίας και ήχου, η Παραγωγική Τεχνητή Νοημοσύνη έχει γίνει εξαιρετικά δημοφιλής πολύ γρήγορα με πολυάριθμες εφαρμογές. Σε αυτή την εργασία, αναφέρεται αρχικά τι είναι η Παραγωγική Τεχνητή Νοημοσύνη και πώς μπορούν να ταξινομηθούν οι πιο προεξέχοντες και γνωστοί τύποι Παραγωγικής Τεχνητής Νοημοσύνης με βάση την είσοδο και την έξοδο, προτού εξεταστούν τα πιο γνωστά μοντέλα που χρησιμοποιούνται για την υλοποίησή τους. Επιπλέον, γίνεται έμφαση στις χρήσεις αυτών των μοντέλων, καθώς και στους κινδύνους που υπάρχουν με την αλόγιστη χρήση αυτής της αναδυόμενης τεχνολογίας. Στη συνέχεια και κάτι που βρίσκεται στο επίκεντρο της εργασίας, σχεδιάζεται και αξιολογείται ένα μοντέλο για τη διάκριση μεταξύ πραγματικών και τεχνητά δημιουργημένων, εξειδικευμένων κειμένων. Αρχικά, εξετάζεται και γίνεται μια εκτενής ανασκόπηση πρόσφατων ερευνών πάνω στην ανίχνευση κειμένων που έχουν παραχθεί με τεχνητή νοημοσύνη. Ενώ κάποιες δημοφιλείς εφαρμογές έχουν ικανοποιητικά αποτελέσματα με ChatGPT-3.5, όταν χρησιμοποιείται ChatGPT-4 ή όταν το κείμενο είναι επίσημο και έχει αντικειμενικό ύφος, τα αποτελέσματα δεν είναι ικανοποιητικά. Προκειμένου να αυξηθεί σημαντικά η ακρίβεια και να γίνει ευκολότερη η ανίχνευση μοτίβων, μπορεί να δημιουργηθεί ένα εξειδικευμένο μοντέλο με ένα πολύ συγκεκριμένο σύνολο δεδομένων. Για να επιβεβαιώσουμε αυτή την υπόθεση, χρησιμοποιούμε ένα εξειδικευμένο σύνολο δεδομένων από έναν διαγωνισμό του Kaggle. Το μοντέλο που προτείνουμε χρησιμοποιεί τις τεχνικές Byte-Pair Encoding για Tokenization και TF-IDF για vectorization, καθώς και έναν ensemble ταξινομητή με επιμέρους ταξινομητές για μεγαλύτερη ακρίβεια. Μετά από την αξιολόγηση των αποτελεσμάτων, εξετάζεται το κύριο μειονέκτημα της μεθόδου: Ένα σενάριο, όπου υπάρχουν πολύ λίγα ή καθόλου πραγματικά δεδομένα για να εκπαιδευτεί ο δυαδικός ταξινομητής. Σε αυτή την περίπτωση όπου υπάρχει μία κλάση δεδομένων, το πρόβλημα γίνεται πλέον πρόβλημα anomaly detection και όχι δυαδικής ταξινόμησης και εκπαιδεύεται ένα one-class SVM μοντέλο, το οποίο έχει καλύτερα αποτελέσματα από γενικές εφαρμογές όταν έχει εκπαιδευτεί σε ένα πολύ συγκεκριμένο σύνολο δεδομένων.
Author and committee
dc:creator, dc:contributor.*- Authors dc:creator
-
- Μήτρου Ιωάννης
- Mitrou Ioannis
Subjects
dc:subject × 2Rights
- Language dc:language
- English
Identifiers
dc:identifier.*- Identifier
- uoadl:3393769