Google hari ini mengumumkan akan segera memperingatkan pengguna Chrome tentang unduhan yang “tidak aman”, langkah pertama dalam rencana untuk memblokir mereka sepenuhnya.
“Hari ini kami mengumumkan bahwa Chrome secara bertahap akan memastikan bahwa halaman aman (HTTPS) hanya mengunduh file yang aman,” kata Joe DeBlasio dari tim keamanan Chrome dalam sebuah posting blog. “File yang diunduh secara tidak aman berisiko terhadap keamanan dan privasi pengguna. Misalnya, program yang diunduh secara tidak aman dapat ditukar dengan malware oleh penyerang dan eavesdropper dapat membaca laporan bank yang diunduh secara tidak aman oleh pengguna. ”
Bicara teknologi dengan saya
Kunjungi officialtollfree.com untuk menemukan informasi seputar teknologi terkini!
Menghadiri acara teknologi TNW2020 terkemuka (dan paling MENYENANGKAN) di Eropa
AYO PERGI
Pada bulan April, dimulai dengan Chrome 82, browser akan memperingatkan pengguna yang akan mengunduh executable konten campuran dari situs web yang aman. Munculan itu, menurut Google, akan terlihat seperti gambar di bawah ini.
“Di masa mendatang, kami berharap untuk lebih lanjut membatasi unduhan yang tidak aman di Chrome,” tulis DeBlasio.
Kedua peringatan yang dijadwalkan tersebut juga datang ke iOS dan Android versi Chrome, meskipun mereka mungkin sedikit tertunda.
Anda dapat mengharapkan semua unduhan konten campuran – yang tidak aman – diblokir di Chrome 86, yang diperkirakan Google akan diluncurkan pada bulan Oktober. Bagan di bawah ini membantu menguraikan rilis yang dijadwalkan dengan lebih baik dan apa yang dapat Anda harapkan dari versi Chrome yang akan datang.
Google Meena sangat mengesankan, tetapi AI obrolan masih ‘tiruan murah’ manusia
Artikel ini adalah bagian dari ulasan kami tentang makalah penelitian AI, serangkaian posting yang mengeksplorasi temuan terbaru dalam kecerdasan buatan.
Minggu ini, Google memperkenalkan Meena, sebuah chatbot yang dapat “mengobrol tentang … apa saja.” Meena adalah yang terbaru dari banyak upaya oleh perusahaan teknologi besar yang mencoba memecahkan salah satu tantangan terberat kecerdasan buatan: bahasa.
Tetap di rumah saja
Orrrrr berbaur dengan pikiran paling cerdas dalam teknologi pada 18 Juni + 19
HADIRI TNW2020
“Obrolan domain terbuka saat ini memiliki kelemahan kritis – seringkali tidak masuk akal. Mereka kadang-kadang mengatakan hal-hal yang tidak konsisten dengan apa yang telah dikatakan sejauh ini, atau tidak memiliki akal sehat dan pengetahuan dasar tentang dunia, “tulis peneliti Google dalam sebuah posting blog.
Mereka benar. Memahami bahasa dan terlibat dalam percakapan adalah salah satu fungsi otak manusia yang paling rumit. Hingga saat ini, sebagian besar upaya untuk menciptakan AI yang dapat memahami bahasa, terlibat dalam percakapan yang bermakna, dan menghasilkan kutipan teks yang koheren telah menghasilkan hasil yang buruk.
Dalam beberapa tahun terakhir, chatbots telah menemukan ceruk di beberapa domain seperti perbankan dan berita. Kemajuan dalam pemrosesan bahasa alami juga membuka jalan bagi meluasnya penggunaan asisten AI seperti Alexa, Siri, dan Cortana. Namun sejauh ini, AI saat ini hanya dapat melakukan tugas-tugas yang berhubungan dengan bahasa selama domain masalah tetap sempit dan terbatas, seperti menjawab pertanyaan sederhana dengan makna yang jelas atau menjalankan perintah sederhana.
Model bahasa canggih seperti OpenAI’s GPT-2 dapat menghasilkan kutipan teks yang luar biasa, tetapi kutipan tersebut dengan cepat kehilangan koherensinya saat mereka bertambah panjang. Sedangkan untuk chat-domain terbuka, agen AI yang seharusnya membahas berbagai topik, mereka gagal menghasilkan hasil yang relevan atau sering memberikan jawaban yang tidak jelas yang dapat diberikan untuk berbagai pertanyaan, seperti politisi yang menghindari memberikan jawaban spesifik di media. konferensi.
Baca: [Google mengklaim chatbot barunya Meena adalah yang terbaik di dunia]
Sekarang, pertanyaannya adalah, berapa banyak Meena, chatbot besar Google, menggerakkan jarum dalam AI percakapan?
Apa yang ada di bawah tenda?
Seperti banyak model bahasa inovatif yang telah diperkenalkan dalam beberapa tahun terakhir, Google Meena memiliki beberapa detail menarik. Menurut posting blog dan tulisan yang diterbitkan di server preprint arXiv, Meena didasarkan pada arsitektur Evolved Transformer.
Transformer, diperkenalkan untuk pertama kalinya pada tahun 2017, adalah model pembelajaran mesin urutan-ke-urutan (seq2seq), yang berarti mengambil urutan data sebagai input (angka, huruf, kata, piksel …) dan menghasilkan urutan lain. Model urutan ke urutan sangat baik untuk tugas-tugas yang berhubungan dengan bahasa seperti terjemahan dan menjawab pertanyaan.
Ada jenis lain dari model seq2seq seperti LSTM (memori jangka pendek panjang) dan jaringan GRU (gated recurrent unit). Karena efisiensi mereka dalam pemrosesan paralel dan kemampuan mereka untuk melatih lebih banyak data, Transformers telah meningkat popularitasnya dan telah menjadi blok bangunan dasar dari sebagian besar model bahasa yang mutakhir dalam beberapa tahun terakhir (misalnya BERT, GPT-2 ).
Evolved Transformer adalah jenis khusus dari model AI yang menggunakan pencarian algoritmik untuk menemukan desain jaringan terbaik untuk Transformer. Salah satu tantangan utama pengembangan jaringan saraf adalah menemukan hiperparameter yang tepat. Transformator Evolved mengotomatiskan tugas menemukan parameter-parameter itu.
Model AI yang lebih besar dan lebih mahal
teks tercetak
Seperti banyak kemajuan terbaru lainnya dalam AI, Meena berutang setidaknya sebagian dari keberhasilannya dengan ukurannya yang besar. “Model Meena memiliki 2,6 miliar parameter dan dilatih tentang 341 GB teks, difilter dari percakapan media sosial domain publik,” tulis peneliti AI Google. Sebagai perbandingan, GPT-2 OpenAI memiliki 1,5 miliar parameter dan dilatih pada corpus teks 40-gigabyte.
Untuk lebih jelasnya, kita masih jauh dari membuat model AI yang cocok dengan kompleksitas otak manusia, yang memiliki sekitar 100 miliar neuron (ekuivalen kasar parameter dalam jaringan saraf tiruan) dan lebih dari 100 triliun sinapsis (koneksi antar neuron) . Jadi, ukuran itu penting. Tapi itu bukan segalanya. Untuk satu hal, tidak ada manusia yang dapat memproses 340 GB data teks dalam masa hidup mereka, apalagi membutuhkan sebanyak mungkin untuk dapat melakukan percakapan yang koheren.
Dan obsesi untuk menciptakan jaringan yang lebih besar dan melempar lebih banyak komputasi dan lebih banyak data pada masalah menyebabkan masalah yang sering diabaikan. Diantaranya adalah biaya dan jejak karbon dari pengembangan model semacam itu.
Menurut koran itu, pelatihan Meena memakan waktu 30 hari di TPU v3 Pod, terdiri dari 2.048 core TPU. Google tidak memiliki daftar harga untuk TPU v3 Pod 2.048-inti, tetapi konfigurasi 32-inti berharga $ 32 per jam. Memproyeksikan ke 2.048 core ($ 2.048 / jam), biayanya $ 49.152 per hari dan $ 1.474.560 selama 30 hari. Meskipun menarik bahwa Google dapat mengalokasikan sumber daya tersebut untuk meneliti model AI yang lebih besar, sebagian besar laboratorium penelitian akademis tidak memiliki cadangan dana semacam itu. Biaya-biaya ini menyulitkan pengembangan model AI semacam itu di luar sektor komersial.
Lebih masuk akal dan spesifik
Benchmark memainkan peran yang sangat penting dalam menentukan peringkat model AI dan mengevaluasi akurasi dan efektivitasnya. Tapi seperti yang kita lihat di halaman ini, sebagian besar tolok ukur AI dapat di-gamed dan memberikan hasil yang menyesatkan.
Untuk menguji Meena, insinyur Google mengembangkan tolok ukur baru, Sensible and Specificity Average (SSA). Sensibilitas berarti bahwa obrolan harus masuk akal ketika sedang melakukan percakapan dengan manusia. Jadi, jika AI menghasilkan jawaban yang sama sekali tidak berlaku untuk pertanyaan, itu akan skor negatif pada sensibilitas.
Tetapi memberikan jawaban yang koheren tidak cukup. Beberapa tanggapan seperti “Bagus!” atau “Saya tidak tahu” atau “Biarkan saya memikirkannya” dapat diterapkan pada banyak pertanyaan berbeda tanpa AI memahami makna mereka. Di sinilah kekhususan berperan. Selain mengevaluasi sensibilitas AI, pengulas juga menentukan apakah agen menghasilkan respons yang relevan dengan topik pembicaraan mereka.
Dibandingkan dengan mesin chatbot populer lainnya, Meena mencetak skor jauh lebih baik di SSA.