Onderzoekers van Yale laten zien dat generatieve AI betere en betrouwbaardere koppen schrijft als het leert waarom koppen werken. Als een model alleen leert van winnende koppen, kan het oppervlakkige woorden gebruiken en clickbait maken.
De onderzoekers bouwden een groot taalmodel dat eerst hypothesen (ideeën) maakt over waarom de ene kop beter werkt dan de andere. Het model test die hypothesen op voorbeelden totdat enkele verklaringen zijn gevalideerd.
Met die verklaringen finetuneden zij het model zodat het engagement verhoogt om de juiste redenen. Ze gebruikten koppen uit A/B-tests van een website en lieten mensen koppen beoordelen. Het nieuwe model werd vaker gekozen dan standaard-AI.
Moeilijke woorden
- generatief — dat nieuwe tekst of inhoud maaktgeneratieve
- betrouwbaar — waar je op kunt rekenen voor zekerheidbetrouwbaardere
- kop — titel van een nieuwsartikel of tekstkoppen
- hypothese — een idee of verklaring die je testhypothesen
- valideren — bewijzen dat iets klopt of werktgevalideerd
- finetunen — een model verbeteren met extra voorbeelddatafinetuneden
Tip: beweeg de muisaanwijzer over gemarkeerde woorden in het artikel, of tik erop om snelle definities te zien terwijl je leest of luistert.
Discussievragen
- Zou je AI gebruiken voor het maken van koppen? Waarom wel of niet?
- Welke verklaring uit het artikel lijkt jou het belangrijkst voor een goede kop?
- Zou jij liever een kop van mensen of van AI kiezen? Waarom?
Gerelateerde artikelen
Onderzoekers verbeteren veiligheid van grote taalmodellen
Onderzoekers van North Carolina State University onderzochten hoe veiligheidsafstemming werkt in grote taalmodellen. Ze ontwikkelden een methode om onveilige antwoorden te verminderen zonder de prestaties van het model te verliezen.
TikTok en clanidentiteit in Somalië
TikTok beïnvloedt clanidentiteit in Somalië: jongeren en vrouwen tonen clanloyaliteit, clangevechten in livestreams leiden tot donaties en soms financiering van conflicten zoals in Laasanood. Experts adviseren moderatie en digitale geletterdheid.
Nieuwe kwetsbaarheid kan zelfrijdende auto's overnemen
Onderzoekers van Georgia Tech ontdekten VillainNet, een verborgen achterdeur in AI-supernetwerken die zelfrijdende auto's kan overnemen zodra een specifiek subnetwerk wordt gekozen. Ze waarschuwen voor moeilijk detecteerbare aanvallen en vragen om betere beveiliging.