Ways to adapt neural network technologies to user tasks
Keywords:
neural network, chatbot, security, adaptation, ontologyAbstract
In this paper, a study was made of the capabilities of neural network technologies based on popular chat bots. Potential security threats identified. A method of adaptation is proposed - the development of an interface that provides interaction between the designer of neural networks and DSS built on the basis of ontologies. The task of creating a system for adapting neural network technologies for user needs is considered, as well as possible difficulties of its implementation. Prospects for further research are outlined.
References
ChatGPT sets record for fastest-growing user base — analyst note, 2023.02.01 [Электронный ресурс]. - Режим доступа: https://www.reuters.com/technology/chatgpt-sets-record-fastest-growing-user-base-analyst-note-2023-02-01/ — загл. с экрана.
Воронцов, К. В. Искусственный интеллект: эволюция идей от Фрэнсиса Бэкона до фундаментальных моделей и ChatGPT, ФИЦ ИУ РАН, 26.04.2023 [Электронный ресурс]. - Режим доступа: https://deep-econom.livejournal.com/1123755.html.
Sajid, Saiyed. Designing with AI: "prompts" are the new design tool — Exploring AI image generation [Электронный ресурс]. - Режим доступа: https://uxdesign.cc/prompts-are-the-new-design-tool-caec29759f49 — загл. с экрана.
Чат-бот Bing от Microsoft: как пользоваться поисковиком с нейросетью в духе ChatGPT [Электронный ресурс]. - Режим доступа: https://journal.tinkoff.ru/bing-ai/#oops — загл. с экрана.
GPT-4 System Card OpenAI [Электронный ресурс] - Режим доступа: https://cdn.openai.com/papers/gpt-4-system-card.pdf — загл. с экрана.
ПРО//ЧТЕНИЕ — Технологический конкурс UP GREAT, 2019-2022 [Электронный ресурс]. -Режим доступа: https://ai.upgreat.one — загл. с экрана.
Воронцов, К. В. Стандартизация разметки текста и оценивания предсказательных моделей в задачах понимания естественного языка [Электронный ресурс]. - Режим доступа: http://www.machinelearning.ru/wiki/images/c/c3/Voron-2022-10-12.pdf — загл. с экрана.
Sanjeev, Arora. Toward theoretical
understanding of deep learning [Электронный ресурс] // ICML-2018 Tutorial. - Режим доступа: https://unsupervised.cs.princeton.edu/deeplearningtutorial.html — загл. с экрана.
Merritt, Rick. What Is a Transformer Model? [Электронный ресурс]. - Режим доступа: https://blogs.nvidia.com/blog/2022/03/25/what-is-a-transformer-model — загл. с экрана.
Грабовой, А. В. Введение отношения порядка на множестве параметров аппроксимирующих моделей [Электронный ресурс] / А. В. Грабовой, О. Ю. Бахтеев, В. В. Стрижов // Информатика и еѐ применения, 2020. - Том 14. – Вып. 2.— С. 58-65. - Режим доступа: https://www.mathnet.ru/links/5597cf5f06057197afbef9952d4f80e4/ia662.pdf — загл. с экрана.
Стальнов, А. Д. Проблематика адаптивности системы поддержки принятия решений в области нейросетевых технологий [Электронный ресурс] / А. Д. Стальнов, А. В. Григорьев // ПИИВС-2022. Сборник материалов IV Международной научно-практической конференции, г. Донецк, 29-30.11.2022. — С. 205-213. - Режим доступа: https://cloud.mail.ru/public/o6x2/Jz1E3HTWa
