• 🏡 Home
  • 🚨 GDPR Compliant
  • ⚡️ Data Science
  • 📌 Machine Learning
  • 🔒 Privacy Preserving
  • 🏡 Home
  • 🚨 GDPR Compliant
  • ⚡️ Data Science
  • 📌 Machine Learning
  • 🔒 Privacy Preserving
AI, Privacy Preserving

GPT-3 by OpenAI e Privacy Preserving AI

GPT-3 by OpenAI e Privacy Preserving AI

GPT-3 è un modello di Natural Language Processing sviluppato dall’azienda fondata da Elon Musk, Open AI.

Con 175 miliardi di parametri è tra i modelli più avanzati al mondo e le applicazioni che sono state create in pochi mesi dal suo rilascio lasciano a bocca aperta.

Allenato su un ampio web corpus, è possibile fornire alcuni esempi al modello affinché generi contenuti simili a quelli forniti.

Ti faccio un esempio.

Ho individuato per te questo post di @sharifshameem, che mostra i risultati di GPT-3 applicato alla generazione di layout web, usando una sintassi conosciuta come JSX, particolarmente nota agli sviluppatori React Js.

This is mind blowing.

With GPT-3, I built a layout generator where you just describe any layout you want, and it generates the JSX code for you.

W H A T pic.twitter.com/w8JkrZO4lk

— Sharif Shameem (@sharifshameem) July 13, 2020

Si tratta di un prove of concept, tanto che l’autore è già a lavoro sull’industrializzazione del processo con la neonata azienda debuild.

A tendere, sarà sufficiente sottoscrivere un abbonamento mensile, accedere al pannello di controllo, descrivere l’aspetto che desideriamo per il nostro sito e nel giro di qualche secondo avremo live una web app, un e-commerce, una landing page, senza bisogno di alcuna configurazione utente.

Siamo agli inizi di una rivoluzione tecnologica senza precedenti.

Il modello non era stato addestrato a questo, ma è così elastico da imparare nuove abilità.

Scopriamo come il GPT-3 possa diventare persino migliore con l’ausilio della Privacy Preserving AI.

GPT-3 e Privacy Preserving AI

Ottima l’idea di realizzare layout web senza aver bisogno di conoscere un linguaggio di programmazione.

Il margine di crescita e progresso scientifico tecnologico è però più alto in altri settori, quello medico e finanziario in primis.

Consideriamo allora una situazione ipotetica e vediamo in che modo un sistema di questi tipo possa rivelarsi efficace.

Ti svegli alle 5 del mattino e hai male allo stomaco.

Chiamare il numero d’emergenza sarebbe eccessivo e iniziare a cercare online inutile: sai bene che individuare le fonti valide è difficile, e a quest’ora con i crampi è persino complicato respirare.

Avresti bisogno del tuo medico che però per ovvie ragioni non è raggiungibile.

Poi ti ricordi di quell’applicazione che la tua amica ha trovato casualmente, salvandola dai dolori alla schiena con una diagnosi precisa e puntuale.

Scarichi l’app, apri il servizio di emergenza (i.e. Non richiede la creazione dell’account) e interroghi l’assistente virtuale.

A risponderti non è un bot, ma un modello d’intelligenza artificiale allenato con 175 miliardi di parametri su milioni di record privati di pazienti, note mediche, esami, cure e diagnosi.

Scopri che si tratta di una semplice congestione intestinale, e ti viene raccomandato un medicinale e una cura naturale.

Passato il dolore torni a dormire serenamente.

Privacy Preserving AI

L’ausilio di tecniche di tutela della privacy, che su questo blog trovano ampia copertura, permettono di realizzare una simile soluzione.

Differential Privacy, Private Set Intersection e Homorphic Encryption sono alcune delle tecnologie che consentirebbero accesso sicuro ai dati necessari al training del modello.

Sono proprio i dettagliati dati dei medici, ora congelati dalle fredde temperature di regolamentazioni stringenti e severe che ne impediscono la divulgazione, a costituire il vero potenziale per un futuro roseo e una crescita tecnologia sicura e affidabile.

Per il momento è tutto.

Per aspera, ad astra.

Un caldo abbraccio, Andrea.

Written by Andrea Provino - Agosto 30, 2020
Tags | differential privacy, machine learning, natural language processing, privacy, privacy preserving machine learning, use cases

You Might Also Like

reinforcement-learning-deep-learning-data-science-machine-learning-temporal-difference-learning-q-learning-spiegazione-italiano

Temporal Difference Learning and Q-Learning

Agosto 13, 2020

Project Planning Funnel | Machine Learning Portfolio Projects

Settembre 11, 2019

Cos’è NER: Named Entity Recognition

Ottobre 16, 2019
Next Post
Previous Post

Una pubblicità che non vedi se usi AdBlock

EXPAND YOUR KNOWLEDGE

  • Blockchain Developer

    Circuito aritmetico

    Novembre 1, 2022
  • machine-learning

    Un nuovo inizio

    Settembre 4, 2021
  • Zero Knwoledge Proof Article Privacy Preserving

    Zero Knowledge Proof: zk-SNARK e zk-STARK | Prova a conoscenza zero

    Luglio 8, 2021
  • oblivious-transfer-spiegazione-italiano-ot-explanation Privacy Preserving

    Oblivious Transfer (OT)

    Luglio 6, 2021
  • Aleo Studio Website Preview machine-learning

    Aleo Studio: un IDE per Zero-Knowledge Proofs Applications

    Luglio 1, 2021
  • privacy-enhancing-technologies-data-machine-learning-data-science Privacy Preserving

    Perché il Privacy Tech è un vantaggio competitivo micidiale

    Giugno 17, 2021
  • bloom-filter-spiegazione-italian Privacy Preserving

    Bloom Filter

    Giugno 3, 2021
  • trusted-execution-environment-tee-data-science-come-fuziona Data Science, Privacy Preserving

    Trusted Execution Environment | Cos’è un TEE?

    Giugno 2, 2021
  • Crypto Custody services machine-learning

    Crypto Custody: Guida alla custodia delle criptomonete

    Maggio 26, 2021
  • deep-q-learning-q-learning-reinforcement-learning machine-learning

    Deep Q-Learning

    Aprile 27, 2021

Quello che Google pensa ti possa piacere

Prodotti che i Cookie dicono potresti trovare interessanti

AI Blog - © 2019-2021 Andrea Provino