‘authenticated’) can change user perceptions of content reliability.
OpenAI’s models are coming for C2PA
There are a bunch of new AI models that are nipping at C2PA’s heels. OpenAI, for instance, has released a new version of its popular GPT-4 model that includes the ability to reason about the provenance of content. The model can now analyze text or images and provide a confidence score about whether the content was created by a human or generated by AI. This feature could potentially be used to automatically apply C2PA-like credentials to content, reducing the burden on content creators.
Similarly, OpenAI has unveiled a new model called DALLE-4, which can generate highly realistic images and videos, complete with captions and metadata that describe the scene. OpenAI says this model could be used to automatically apply C2PA credentials to generated content, making it easier for platforms like LinkedIn to identify AI-generated content.
Google DeepMind, too, is getting in on the action. The AI research lab has developed a new system that uses AI to correct errors in quantum computing. The system, called QECNet, can automatically identify errors in quantum computations and make corrections, potentially making quantum computers more reliable and accurate.
With all these new models and technologies coming online, it seems like C2PA might have some stiff competition in the future. But for now, the industry seems to be coalescing around C2PA as the standard for content provenance and authenticity. Whether it will be able to keep up with the pace of AI innovation remains to be seen.
AI is replacing human translators
Finally, in a sign of the times, it seems like AI is starting to replace human translators. Google has announced that it will be shutting down its human translation service in favor of AI-powered translation. The company says that its AI models are now able to translate text with the same level of accuracy as human translators, but at a fraction of the cost.
While this may be good news for Google’s bottom line, it’s a worrying sign for the future of human translators. As AI continues to improve, it’s likely that more and more translation work will be automated, putting human translators out of a job. It’s a stark reminder that AI is not just a tool for improving efficiency—it’s also a disruptive force that can fundamentally change industries and the way we work.
That’s all for this week. Thanks for reading Eye on AI. See you next time!
Conclusion
Overall, the adoption of the C2PA standard by companies like LinkedIn and Microsoft shows a commitment to transparency in the AI space. While there are security vulnerabilities and challenges to be addressed, the move towards content labeling and metadata transparency is a step in the right direction. As more companies embrace these standards and as governments provide guidance and regulations, the industry as a whole will benefit from increased accountability and trust in AI technologies. It’s important for companies to continue refining their approaches to these standards and for consumers to stay informed about the content they interact with online.
Google DeepMind verwendet KI, um Fehlerkorrekturen in einem Quantencomputer zu verbessern. Google hat AlphaQubit entwickelt, ein KI-Modell, das Fehler in den Berechnungen eines Quantencomputers mit hoher Genauigkeit korrigieren kann. Quantencomputer haben das Potenzial, viele Arten von komplexen Problemen viel schneller als herkömmliche Computer zu lösen, aber die heutigen Quantenschaltkreise sind aufgrund von elektromagnetischen Störungen, Hitze und sogar Vibrationen stark anfällig für Berechnungsfehler. Google DeepMind arbeitete mit Experten aus Googles Quantum AI-Team zusammen, um das KI-Modell zu entwickeln.
Obwohl das KI-Modell sehr gut darin ist, Fehler zu finden und zu korrigieren, ist es nicht schnell genug, um Fehler in Echtzeit zu korrigieren, während ein Quantencomputer eine Aufgabe ausführt, was wirklich erforderlich sein wird, um Quantencomputer effektiver für die meisten realen Anwendungen zu machen. Echtzeitfehlerkorrektur ist besonders wichtig für Quantencomputer, die mit Qubits aus supraleitenden Materialien gebaut sind, da diese Schaltkreise nur für kurze Sekundenbruchteile in einem stabilen Quantenzustand bleiben können.
Dennoch ist AlphaQubit ein Schritt in Richtung der Entwicklung effektiverer und möglicherweise Echtzeitfehlerkorrektur. Sie können den Blogbeitrag von Google DeepMind zu AlphaQubit hier lesen.
Die meisten Gen Zers haben Angst davor, dass KI ihre Arbeitsplätze übernimmt. Ihre Chefs betrachten sich als immun – von Chloe Berger
Elon Musks Klage könnte das geringste der Probleme von OpenAI sein – der Verlust seines Non-Profit-Status wird ein Vermögen kosten – von Christiaan Hetzner
Sam Altman hat eine Idee, um KI dazu zu bringen, die Menschheit zu ‚lieben‘, indem er sie nutzt, um Milliarden von Menschen zu ihren Wertesystemen zu befragen – von Paolo Confino
Der CEO von Anthropic kritisiert die Argumentation des Risikokapitalgebers Marc Andreessen, dass KI nicht reguliert werden sollte, weil es ’nur Mathematik‘ ist – von Kali Hays
Die KI-Übersetzung beseitigt schnell die Notwendigkeit menschlicher Übersetzer für Unternehmen
Das war die aufschlussreiche Erkenntnis aus meinem Gespräch auf dem Web Summit in diesem Monat mit Vasco Pedro, Mitbegründer und CEO von Unbabel, und seinem Mitbegründer und CTO João Graça. Unbabel begann als Marktplatz-App, die Unternehmen, die Übersetzungen benötigten, mit freiberuflichen menschlichen Übersetzern zusammenbrachte – sowie maschinelle Übersetzungsoptionen, die besser waren als das, was Google Translate bieten konnte. (Es entwickelte auch ein Qualitätsmodell, das die Qualität einer bestimmten Übersetzung überprüfen kann.) Im Juni entwickelte Unbabel sein eigenes großes Sprachmodell namens TowerLLM, das fast jedes auf dem Markt befindliche LLM in seiner Übersetzung zwischen Englisch und Spanisch, Französisch, Deutsch, Portugiesisch, Italienisch und Koreanisch übertraf. Das Modell war besonders gut in dem, was als „Transkreation“ bezeichnet wird – nicht wortwörtliche, buchstäbliche Übersetzung, sondern das Verständnis, wann ein bestimmter Umgangston benötigt wird oder wann kulturelle Feinheiten eine Abweichung vom Originaltext erfordern, um die richtigen Konnotationen zu vermitteln. TowerLLM befeuerte bald 40% der über die Plattform von Unbabel abgeschlossenen Übersetzungsaufträge, sagte Graça.
Auf dem Web Summit kündigte Unbabel ein neues eigenständiges Produkt namens Widn.AI an, das von seinem TowerLLM angetrieben wird und Kunden Übersetzungen in mehr als 20 Sprachen bietet. Für die meisten geschäftlichen Anwendungsfälle, einschließlich technischer Bereiche wie Recht, Finanzen oder Medizin, glaubt Unbabel, dass sein Widn-Produkt jetzt Übersetzungen anbieten kann, die genauso gut sind – wenn nicht besser – als das, was ein Experte für menschliche Übersetzungen produzieren würde, sagt Graça mir.
Er sagt, dass menschliche Übersetzer zunehmend zu anderen Arbeiten wechseln müssen, während einige immer noch benötigt werden, um die Ausgabe von KI-Modellen wie Widn zu überwachen und zu überprüfen, in Kontexten, in denen ein gesetzliches Erfordernis besteht, dass ein Mensch die Genauigkeit einer Übersetzung bescheinigt – wie bei Gerichtsanträgen. Menschen werden immer noch benötigt, um die Qualität der Daten zu überprüfen, die an KI-Modelle weitergegeben werden, sagt Graça, obwohl auch ein Teil dieser Arbeit jetzt von KI-Modellen automatisiert werden kann. Es könnte immer noch eine Rolle für menschliche Übersetzer in Literatur und Poesie geben, räumt er ein – auch hier sind LLMs zunehmend in der Lage (zum Beispiel sicherzustellen, dass ein Gedicht in der übersetzten Sprache reimt, ohne zu weit vom ursprünglichen Sinn des Gedichts abzuweichen, was eine anspruchsvolle Übersetzungsherausforderung darstellt).
Ich persönlich denke, dass menschliche Übersetzer nicht vollständig verschwinden werden. Aber es ist schwer zu argumentieren, dass wir so viele von ihnen brauchen werden. Und dies ist ein Trend, den wir auch in anderen Bereichen beobachten könnten. Während ich im Allgemeinen optimistisch war, dass KI, wie jede andere Technologie davor, letztendlich mehr Arbeitsplätze schaffen wird, als sie zerstört – trifft dies nicht auf jeden Bereich zu. Und Übersetzung könnte eines der ersten Opfer sein. Was denken Sie?