Μια νέα μελέτη που δημοσιεύθηκε αυτόν τον μήνα από την Ένωση για την Προώθηση της Τεχνητής Νοημοσύνης (AAAI), στην οποία συμμετείχαν εκατοντάδες ερευνητές τεχνητής νοημοσύνης, έχει ένα βασικό εύρημα: η τρέχουσα προσέγγισή μας στην τεχνητή νοημοσύνη είναι απίθανο να μας οδηγήσει στην τεχνητή γενική νοημοσύνη.
Η τεχνητή νοημοσύνη είναι ένα δημοφιλές θέμα συζήτησης τα τελευταία δύο χρόνια, αλλά το πεδίο της τεχνητής νοημοσύνης ως επιστημονικής έρευνας υπάρχει εδώ και δεκαετίες. Για παράδειγμα, η περίφημη εργασία του Άλαν Τούρινγκ «Υπολογιστική Μηχανή και Νοημοσύνη» και το Τεστ Τούρινγκ για το οποίο μιλάμε ακόμα σήμερα δημοσιεύτηκαν το 1950.
Η τεχνητή νοημοσύνη για την οποία μιλούν όλοι σήμερα γεννήθηκε από αυτές τις δεκαετίες έρευνας, αλλά απομακρύνεται και από αυτές. Αντί να είμαστε επιστημονική έρευνα, έχουμε τώρα επίσης έναν ξεχωριστό κλάδο της τεχνητής νοημοσύνης που μπορούμε να ονομάσουμε «εμπορική τεχνητή νοημοσύνη».
Μεγάλα μονοπώλια όπως η Microsoft, η Google, η Meta, η Apple και η Amazon πρωτοστατούν στις εμπορικές προσπάθειες τεχνητής νοημοσύνης, με πρωταρχικό στόχο τη δημιουργία προϊόντων τεχνητής νοημοσύνης. Αυτό δεν πρέπει να είναι πρόβλημα, αλλά αυτή τη στιγμή φαίνεται ότι μπορεί να είναι.
Πρώτον, δεδομένου ότι οι περισσότεροι άνθρωποι παρακολουθούν έρευνα τεχνητής νοημοσύνης μόνο για μερικά χρόνια, όλα όσα γνωρίζει ο μέσος άνθρωπος για την τεχνητή νοημοσύνη προέρχονται από αυτές τις εταιρείες και όχι από την επιστημονική κοινότητα. Η μελέτη καλύπτει Αυτό το θέμα εξετάζεται στο κεφάλαιο «Αντίληψη εναντίον πραγματικότητας», όπου το 79% των συμμετεχόντων επιστημόνων πιστεύει ότι οι τρέχουσες αντιλήψεις για τις δυνατότητες της τεχνητής νοημοσύνης δεν ταιριάζουν με την πραγματικότητα της έρευνας και ανάπτυξης της τεχνητής νοημοσύνης.
Με άλλα λόγια, αυτό που το ευρύ κοινό πιστεύει ότι μπορεί να κάνει η τεχνητή νοημοσύνη δεν ταιριάζει με αυτό που πιστεύουν οι επιστήμονες ότι μπορεί να κάνει η τεχνητή νοημοσύνη. Ο λόγος για αυτό είναι τόσο απλός όσο και ατυχής: Όταν ένα ανώτερο στέλεχος τεχνολογίας κάνει μια δήλωση σχετικά με την τεχνητή νοημοσύνη, δεν είναι επιστημονική άποψη – είναι μάρκετινγκ προϊόντων. Θέλουν να διαφημίσουν την τεχνολογία που τροφοδοτεί τα νέα τους προϊόντα και να βεβαιωθούν ότι όλοι αισθάνονται την ανάγκη να πηδήξουν στο συγκρότημα.
Όταν λέει Σαμ Άλτμαν Ή Mark Zuckerberg Οι θέσεις εργασίας στη μηχανική λογισμικού θα αντικατασταθούν από την τεχνητή νοημοσύνη, για παράδειγμα, επειδή θέλουν να επηρεάσουν τους μηχανικούς να μάθουν δεξιότητες τεχνητής νοημοσύνης και να επηρεάσουν τις εταιρείες τεχνολογίας να επενδύσουν σε ακριβά επιχειρηματικά σχέδια. Ωστόσο, αν δεν αρχίσουν να αντικαθιστούν τους μηχανικούς τους (και να το εκμεταλλευτούν), προσωπικά δεν θα πίστευα λέξη που λένε για το θέμα.
Ωστόσο, δεν είναι μόνο η αντίληψη του κοινού ότι η εμπορική τεχνητή νοημοσύνη επηρεάζει. Οι συμμετέχοντες στη μελέτη πιστεύουν ότι η «διαφήμιση AI» που δημιουργείται από μεγάλες εταιρείες τεχνολογίας βλάπτει τις ερευνητικές προσπάθειες. Για παράδειγμα, το 74% συμφωνεί ότι η κατεύθυνση της έρευνας για την τεχνητή νοημοσύνη καθοδηγείται από τη διαφημιστική εκστρατεία – πιθανότατα επειδή η έρευνα που ευθυγραμμίζεται με τους εμπορικούς στόχους της τεχνητής νοημοσύνης είναι ευκολότερο να χρηματοδοτηθεί. Το 12% πιστεύει επίσης ότι η θεωρητική έρευνα τεχνητής νοημοσύνης υποφέρει ως αποτέλεσμα.
Λοιπόν, πόσο σοβαρό είναι αυτό το πρόβλημα; Ακόμα κι αν οι μεγάλες εταιρείες τεχνολογίας επηρεάζουν τον τύπο της έρευνας που κάνουμε, τα πιθανώς τεράστια ποσά που διατίθενται σε αυτόν τον τομέα θα έχουν συνολικά θετικό αντίκτυπο. Ωστόσο, η ποικιλία είναι το κλειδί όταν πρόκειται για έρευνα – πρέπει να ακολουθήσουμε κάθε είδους διαφορετικούς δρόμους για να έχουμε την ευκαιρία να βρούμε το καλύτερο.
Αλλά οι μεγάλες εταιρείες τεχνολογίας επικεντρώνονται μόνο σε ένα πράγμα αυτή τη στιγμή: τα μεγάλα γλωσσικά μοντέλα. Αυτός ο πολύ συγκεκριμένος τύπος μοντέλου Τεχνητής Νοημοσύνης είναι αυτός που τροφοδοτεί σχεδόν όλα τα πιο πρόσφατα προϊόντα Τεχνητής Νοημοσύνης και άνθρωποι όπως ο Σαμ Άλτμαν πιστεύουν ότι κάνοντας αυτά τα μοντέλα όλο και πιο κλιμακωτά (δηλαδή, παρέχοντάς τους περισσότερα δεδομένα, περισσότερο χρόνο εκπαίδευσης και περισσότερη υπολογιστική ισχύ) τελικά θα επιτύχουμε γενική Τεχνητή Νοημοσύνη.
Αυτή η ιδέα, γνωστή ως υπόθεση της κλίμακας, λέει ότι όσο περισσότερη δύναμη τροφοδοτούμε στην τεχνητή νοημοσύνη, τόσο μεγαλύτερες είναι οι γνωστικές της ικανότητες και τόσο χαμηλότερα ποσοστά λάθους. Ορισμένες ερμηνείες λένε επίσης ότι νέες γνωστικές ικανότητες θα αναδυθούν απροσδόκητα. Έτσι, παρόλο που τα μεγάλα γλωσσικά μοντέλα δεν είναι πολύ καλά στο σχεδιασμό και τη συλλογιστική για προβλήματα αυτή τη στιγμή, αυτές οι δυνατότητες πρέπει να εμφανιστούν κάποια στιγμή.
δεν υπάρχει τοίχος
- Sam Altman (@sama) Νοέμβριος 14, 2024
Ωστόσο, τους τελευταίους μήνες, η υπόθεση της επέκτασης έχει αντιμετωπίσει σοβαρή κριτική. Μερικοί επιστήμονες πιστεύουν ότι η κλιμάκωση μεγάλων γλωσσικών μοντέλων δεν θα οδηγήσει ποτέ σε AGI και πιστεύουν ότι όλη η πρόσθετη δύναμη που δίνουμε Νέα μοντέλα Δεν παράγει πλέον αποτελέσματα. Αντίθετα, έχουμε φτάσει σε ένα "τείχος κλιμάκωσης" ή "όριο κλιμάκωσης" όπου μεγάλες ποσότητες υπολογιστικής ισχύος και πρόσθετων δεδομένων οδηγούν σε μικρές μόνο βελτιώσεις στα νέα μοντέλα. Οι περισσότεροι από τους επιστήμονες που συμμετέχουν στη μελέτη AAAI βρίσκονται σε αυτήν την πλευρά του επιχειρήματος:
Η πλειοψηφία των ερωτηθέντων (76%) δήλωσε ότι η «κλιμάκωση των τρεχουσών προσεγγίσεων τεχνητής νοημοσύνης» για την επίτευξη του AGI είναι «απίθανο» ή «πολύ απίθανο» να πετύχει, υποδηλώνοντας αμφιβολίες σχετικά με το εάν τα τρέχοντα μοντέλα μηχανικής μάθησης είναι επαρκή για την επίτευξη γενικής ευφυΐας.
Τα τρέχοντα μεγάλα γλωσσικά συστήματα μπορούν να παράγουν πολύ σχετικές και χρήσιμες απαντήσεις όταν τα πράγματα πάνε καλά, αλλά το κάνουν Βασισμένο σε μαθηματικές αρχές Για να γίνει αυτό. Πολλοί επιστήμονες πιστεύουν ότι θα χρειαστούμε νέους αλγόριθμους που χρησιμοποιούν τη λογική, τη λογική και την πραγματική γνώση για να καταλήξουμε σε μια λύση εάν θέλουμε να προχωρήσουμε προς τον στόχο της τεχνητής γενικής νοημοσύνης. Ακολουθεί μια φράση σχετικά με τα μεγάλα γλωσσικά συστήματα και τη γενική τεχνητή νοημοσύνη από Ερευνητική εργασία 2022 Του Jacob Browning και Yann LeCun.
Ένα σύστημα εκπαιδευμένο μόνο στη γλώσσα δεν θα πλησιάσει ποτέ την ανθρώπινη νοημοσύνη, ακόμα κι αν ήταν εκπαιδευμένο από τώρα μέχρι να εξαφανιστεί η θερμότητα του σύμπαντος.
Ωστόσο, δεν υπάρχει πραγματικός τρόπος να γνωρίζουμε ποιος είναι εδώ - όχι ακόμα. Από τη μία πλευρά, ο ορισμός της γενικής τεχνητής νοημοσύνης δεν είναι σταθερός και δεν προσπαθούν όλοι για το ίδιο πράγμα. Μερικοί άνθρωποι πιστεύουν ότι η γενική τεχνητή νοημοσύνη θα πρέπει να παράγει ανθρώπινες αποκρίσεις μέσω μεθόδων που μοιάζουν με ανθρώπους – επομένως θα πρέπει να παρατηρεί τον κόσμο γύρω του και να λύνει προβλήματα με τρόπο παρόμοιο με εμάς. Ενώ άλλοι πιστεύουν ότι η γενική τεχνητή νοημοσύνη θα πρέπει να επικεντρώνεται περισσότερο στις σωστές απαντήσεις παρά στις ανθρώπινες αποκρίσεις και ότι οι μέθοδοι που χρησιμοποιούν δεν πρέπει να έχουν σημασία.
Ωστόσο, από πολλές απόψεις, δεν έχει ιδιαίτερη σημασία για την έκδοση του AGI που σας ενδιαφέρει ή εάν είστε υπέρ ή κατά της υπόθεσης της κλιμάκωσης - πρέπει ακόμα να διαφοροποιήσουμε τις ερευνητικές μας προσπάθειες. Εάν επικεντρωθούμε μόνο στην κλιμάκωση μεγάλων μοντέλων γλώσσας, θα πρέπει να ξεκινήσουμε από το μηδέν εάν δεν λειτουργούν και μπορεί να αποτύχουμε να ανακαλύψουμε νέες, πιο αποτελεσματικές ή αποδοτικές μεθόδους. Πολλοί από τους επιστήμονες που συμμετέχουν σε αυτή τη μελέτη φοβούνται ότι η εμπορική τεχνητή νοημοσύνη και η διαφημιστική εκστρατεία γύρω από αυτό θα επιβραδύνουν την πραγματική πρόοδο - αλλά το μόνο που μπορούμε να κάνουμε είναι να ελπίζουμε ότι οι ανησυχίες τους θα αντιμετωπιστούν και ότι και οι δύο κλάδοι της έρευνας της τεχνητής νοημοσύνης μπορούν να συνυπάρξουν και να προχωρήσουν μαζί. Λοιπόν, μπορείτε επίσης να το ελπίζετε Φούσκα AI Όλα τα προϊόντα τεχνολογίας με τεχνητή νοημοσύνη εκρήγνυνται και εξαφανίζονται στη λήθη, αν προτιμάτε.
