中国のAI開発、次のボトルネックは「中国語の訓練データ不足」 チップ規制の先にある壁
姉妹サイトの新着
他サイトの新着
- 5chまとめMAP(総合)【静岡】就寝中の２０代男性の自宅に侵入 アルバイト従業員の女（１９）を逮捕 男性が室内に違和感を感じて警察に相談
- ニュース速報まとめMAP【東京】わいせつ教師を許さない！教育委員会の新たな取り組みｗ性犯罪者見つけてどうするつもりや？
- なんJ傑作まとめアンテナMAP【動画あり】中国人女が脱いだ結果ｗｗｗｗｗ
- アニメ声優まとめアンテナMAP「オタクの描くギャル」ってなんで古くさいの？「あーし」とか謎の用語をずっと使ってるし。
- VTuberまとめアンテナMAP【ホロライブ】今度はEN新人か
- だめぽアンテナ千葉のスリータイム水没ラーメン店「もう漫画でしょ」「心は折れています」
- ヌルポあんてな海外「日本よ、本家を超えるなよ…ｗ」 ハリウッドの超大物が日本の洋画ポスターを『カッコ良すぎると』大絶賛
- 2chまとめアプリ+【画像】マンションの謎デザイン、危険過ぎると話題にｗｗｗｗｗｗｗｗｗｗｗｗｗｗｗｗｗｗｗｗｗｗ
- News人岩屋訪中で調子に乗ったメディア、「岩屋と組める林氏を首相にすれば中国は許してくれる」と言い出すだろうと予測されており……他
- ブルーアンテナロリコン教師対策として、「性犯罪歴」教職員7万人に自己申告求める。東京都教委、犯歴あれば配置転換も。
- ウマーあんてな【海外の反応】コーディングAI「Pi」がMCP拒否から一転、賛否割れる
- 相互RSS募集ブログまとめ相互RSS募集中のブログリスト
- ぷぅアンテナ【悲報】男さん、しょーもない性癖で荒れてしまうｗｗｗｗ 他
- 海外の反応アンテナ.com【議論】日本人観光客が韓国の公衆トイレの臭いを指摘、現地でも管理を問う声
- キター！アンテナ就寝中の２０代男性の自宅に侵入 アルバイト従業員の女（１９）を逮捕 静岡
- 海外からの反応まとめCh【ポルトガル代表】出場ゼロのロナウド、合流拒否騒動に 海外掲示板は臆測合戦
- つべこアンテナ【お題募集記事】特撮の中毒症状の描写について語ろう
- ２ちゃんマップ【東方】命蓮寺ではガチの平安時代のお寺の精進料理が食べられるのかな
- ファ板速報【ジャケット】CWUでいいよな？
- にゅーもふ【速報】 日本企業、約２年で約３０００社が中国から撤退！ 北京の経済司令部が悲鳴、反日記事を連発していた中国メディアも手のひら返しｗｗｗ
中国のAI開発における次のボトルネックとして「中国語の訓練データ不足」が指摘されているという報道を受け、5chの科学ニュース+では活発な議論になった。文化大革命による焚書や言論統制でまともな歴史データが残っていないとの指摘が相次いだ一方、同じ質問でもディープシークとGLMで天安門事件への回答が食い違うとの体験談も上がり、データ量そのものより検閲の影響を問題視する声が目立った。
高度なAIモデルの性能を伸ばすには大量の質の高い訓練データが必要です。
中国のAI開発を阻む問題としてはアメリカによる先端AIチップの輸出規制が注目されてきましたが、中国のAI専門家は中国語の訓練データ不足が次の大きなボトルネックになりうると警告しています。
出典: South China Morning Post / 元記事はこちら
データ量そのものより質と検閲の影響を指摘する声が目立った。
まあ日本語もその次の次くらいにそうなんだけど
言語的な構造でAIが学習するのは日本語のほうが難しい
日本語は語順も決まってないし、主語の省略とかも多いし、AIにとっては結構な難敵
なるほど
自前でデータ用意している日本のAIは日本語の方が強いしな
プライバシーのない中国なのに、データ不足はわけわからん
言論統制されてるからじゃね？
日本は好きかって書いてるし
書くこと知らせること大好き人種だし。
広東語ベースのAIと福建語ベースのAIだと得意不得意もあるのかもしれん
「マンガ」がマルチモーダルAIの学習に有用だったり思想。
その文章は日本前提とは書いてないのにね
これがハイコンテキストそのもの
聞き手や読者を話し手と同じ立場においてしまう
議論が起きない
話し手が権威であるほど逆らえない
日本の教育が小学校からこれで育てられる
大学教育も教授についたら徒弟制度
iPS細胞の山中教授が専門を変えるのを迷っていた時に利根川教授の講演会で質問してかえてもいいものでしようか？に変えていいんだよ言われてiPSにつながる専門に変えたというエピソード
それほど大変な徒弟制度
封建時代の日本
インターネット10個分くらい必要だってさ。
追加プロンプト無しの時はわざとプロンプトにひらがな入れてやらないと高確率で中国語回答生成される
こいつ何使ってるのかね？
アホちゃう？
オレがやったのはディープシーク
そんなこと今でも言ってるやつはど素人
他サイトの新着
逆に、うっかり触れると気不味い地雷人間って居るだろ
データとして無難だから
変なバイアスが掛かっていないニュートラルな情報が多いから
と最近どこかのニュースで見たが出処は忘れた
単純にソフトパワーがあるから英語でも日本文化の記述が多い
そして今の世界状況を見ると欧米価値観の矛盾・摩擦→持続不可能性が明らかになり社会がかなり破綻している
一方で日本は島国根性＝狭い世界で生きるための知恵があるから
世界が狭くなった今その知恵が必要となる事もある
たとえば出る杭を叩くってのも一見糞思想に見えるが
実は狭い島国で資源が限られている中 誰かひとりが富を一人締めすると
他皆の取り分が減って 他が枯れて労働力が確保できなくなって 持続不可能になる
(皆が中間層なのが狭い世界では実は長期的に生存有利だった)
これが現代社会でも起きている
しかし現実はもっと複雑でアフリカなんかに表面的な支援をした結果土地のキャパを超えてしまい難民化したのをEU中間層が引き受けるみたいな持続不可能性もあるが
これも従来の欧米価値観では処理しづらい問題(大陸国は拡大思想の限界に今直面している）で 延々と悪化している現状がある
でも日本語も、表面化してないだけな気はする
中国はそれができないのかな？
あ、文革とかで焚書したからまともな知識の本は残ってないか。。。
共産党が出てくる以前の記述は使えないしな。政治的に。
いろいろ制約あるな中国製は。
ちゃんとした歴史を保存していないから。
他人のことは悪く言えるのに自分のことはわからない
日本は改元するのは歴史を忘れさせるためだよ
明治からは簡単には変えられないから
安倍政権はひと月過ぎたら廃棄をオーソライズした
アメリカのものは中国人の技術でその半分以上は作られているものだからね
なぜだか、「外国語の訓練データ」は、
それこそイッパイ持っているんダロ。
それを「AI 向けの中国語」に変換する、
専用の AI を育成すればイイんだろうに。
その中に中共に不都合な情報があったら困るんよ
壁の外発信の中国語データは限られてるから中国語を訓練データにするのは正しい
この話題の背景と論点
この話の背景には、米国による先端半導体の対中輸出規制という既存の壁に加え、AI性能向上に不可欠な大量・高品質な学習データを中国語圏でどう確保するかという新たな課題が浮上してきた事情がある。中国語ネット上の良質なテキスト量は英語圏に比べ乏しいとされ、文化大革命期の焚書や共産党成立以前の記述に対する政治的制約が、その乏しさの一因として語られてきた。スレでは、この「データ不足」を量の問題と捉えるか、検閲による質の歪みの問題と捉えるかで意見が割れ、ディープシークとGLMで天安門事件への回答が異なるという体験談が、後者の見方を後押しした形になっている。ただし元記事が指摘しているのはあくまで学習データの「量」的な制約であり、検閲の有無とは別軸の問題である点は、レスの中では十分に整理されていない。また外国語データを翻訳・活用する手も理論上はあるが、その過程で当局に不都合な情報が混入しうるため、単純な解決策にはなりにくい。
※本記事は5ch(科学ニュース+)スレッド「【AI】中国のAI開発は「中国語の訓練データ不足」という新たなボトルネックに直面している」より抜粋・要約して構成しています。
まだコメントはありません。