当今最著名的研究小组中的年轻科学家必然属于阅读哈利·波特（JK·罗琳发明的男孩巫师）的冒险故事长大的儿童和青少年军团。 这也可能是一个实际问题。与《小红帽》或《灰姑娘》等流行故事一样，《哈利·波特》和他的宇宙众所周知，它们是西方集体想象力的一部分，这使得他的故事适合实验。 无论出于何种原因，一个事实仍然存在：正如彭博社本周三宣布的 那样，一段时间以来，以罗琳发明的魔法宇宙为参考的人工智能研究呈指数级增长。 这一趋势最具代表性的例子之一是一篇标题雄辩的文章“谁是哈利·波特？ 该文章由微软研究员 月发表，可在微软自己的研究博客上找到，其中涉及以下想法：通过人工智能开发的大型语言模型是否可以忘记文化上存在的某些东西哈利·波特？
我们决定开始我们最初认为不可能的事情：让由Meta训练的 Llama2-7b 模型忘记哈利波特的魔法王国。一些消息来源声称，该模型的训练数据包括一组data books3，其中包含哈利波特书籍，”作者首先解释道。 他们 WhatsApp 号码数据 的结论是：“据我们所知，这是第一篇提出一种在语言生成模型中忘却学习的有效技术的文章。” “丰富的场景、对话和情感时刻使得与自然语言处理的特定领域非常相关，”卡内基梅隆大学研究员向彭博社解释道，她在 2014 年进行了一系列收集共振数据的实验。对阅读哈利·波特故事的人进行脑部扫描，以更好地理解语言机制。 在另一项研究中，西雅图华盛顿大学、加州大学伯克利分校和艾伦人工智能研究所的研究人员开发了一种名为 Silo 的新语言模型，可以消除数据，从而降低人工智能生成的法律风险。
进行训练，该模型的性能会显着下降。 为了展示选择退出受版权保护的作品对模特表现的影响，研究人员使用了哈利·波特本人。他们首先从 Books3 语料库中识别出七本《哈利·波特》书籍。 然后，对于每本书，他们使用两个数据存储计算 Silo 的困惑度（相当于人工智能的性能）：一个数据存储包含剩余的六本《哈利·波特》书籍，另一个则排除所有书籍。该实验的目的是验证排除书籍是否会降低该计划的有效性。 研究人员总结道：“在数据存储中加入《哈利·波特》后，Silo有效地提高了其复杂度。[...]这表明，从模型中消除《哈利·波特》书籍的影响大大降低了生成遗漏书籍的概率。” 霍格沃茨魔药开发的机器学习、大型语言模型与哈利·波特的邂逅以及使用基于变形金刚的人工智能检测奇幻文学中的咒语。基于人工智能的变革性模型非常棒）只是最近公开发表的一些文章科学文章存储库 但事实是，《哈利·波特》甚至不需要成为研究对象，人工智能研究文章中就会出现对这些书的典故。 |
