Veliki jezikovni modeli (LLM, iz angleščine) zagotavljajo prednaučeno osnovo za učenje številnih zanimivih sistemov umetne inteligence. Vendar imajo veliko pomanjkljivosti. Njihovo učenje in posodabljanje je drago, imajo slabo nejezikovno znanje, dajejo napačne in nasprotujoče si izjave, ki so za nameček lahko tudi družbeno in etično neprimerne. V predavanju bom povzel te pomanjkljivosti in trenutna prizadevanja za njihovo reševanje znotraj obstoječega okvira LLM-jev. Nato se bom zavzel za drugačno, bolj modularno arhitekturo, ki razgradi funkcije obstoječih LLM-jev in jim doda več drugih komponent. Verjamem, da lahko ta alternativa odpravi vse pomanjkljivosti LLM-jev. Razmišljal bom o tem, kako bi to modularno arhitekturo lahko zgradili s kombinacijo strojnega učenja in inženiringa.
Od laboratorija do industrije: kako zgraditi velike kvantne računalnike?
Področje kvantnih tehnologij je v zadnjih dveh desetletjih doživelo izjemen razvoj. Nedavni napredki so omogočili gradnjo kvantnih računalnikov z več sto kubiti ter demonstracijo kvantnega popravljanja napak. Kljub temu pa pot do praktičnih kvantnih računalnikov z...
