Hvad kan ChatGPT fortælle os om udviklingen af ​​kunstig intelligens?

I det sidste årti har kunstig intelligens (AI) fremkaldt både drømme om en massiv transformation i teknologiindustrien og en dyb angst omkring dens potentielle konsekvenser. Elon Musk, en førende stemme i tech-industrien, har demonstreret denne dobbelthed. Han lover samtidig en verden af ​​autonome AI-drevne biler advare os af de risici, der er forbundet med kunstig intelligens, og kræver endda en pause i udviklingen af ​​kunstig intelligens. Dette er især ironisk i betragtning af, at Musk var en tidlig investor i OpenAI, grundlagt i 2015.

En af de mest spændende og bekymrende udviklinger, der rider på den nuværende bølge af AI-forskning, er autonom AI. Autonome AI-systemer kan udføre opgaver, træffe beslutninger og tilpasse sig nye situationer på egen hånd uden konstant menneskelig overvågning eller opgave-for-opgave programmering. Et af de mest kendte eksempler i øjeblikket er ChatGPT, en stor milepæl i udviklingen af ​​kunstig intelligens. Lad os se på, hvordan ChatGPT opstod, hvor det er på vej hen, og hvad teknologien kan fortælle os om fremtiden for kunstig intelligens.

Opbygning mod autonom AI

Fortællingen om kunstig intelligens er en fængslende historie om fremskridt og samarbejde på tværs af discipliner. Det begyndte i begyndelsen af ​​det 20. århundrede med Santiago Ramón y Cajals banebrydende indsats, en neurovidenskabsmand, der brugte sin forståelse af den menneskelige hjerne til at skabe begrebet neurale netværk, en hjørnesten i moderne kunstig intelligens. Neurale netværk er computersystemer, der efterligner strukturen af ​​den menneskelige hjerne og nervesystem for at producere maskinbaseret intelligens. Nogen tid senere havde Alan Turing travlt med at udvikle den moderne computer og foreslå Turing-testen, et middel til at vurdere, om en maskine kunne vise menneskelignende intelligent adfærd. Denne udvikling ansporede en bølge af interesse for kunstig intelligens.

Som et resultat af 1950'erne så John McCarthy, Marvin Minsky og Claude Shannon udforske perspektiverne for kunstig intelligens, og Frank Rosenblatt opfandt udtrykket "kunstig intelligens." De følgende årtier oplevede to store gennembrud. Det første var ekspertsystemer, som er AI-systemer, der er individuelt designet til at udføre niche-, branchespecifikke opgaver. Den anden var naturlige sprogbehandlingsapplikationer, som tidlige chatbots. Med ankomsten af ​​store datasæt og stadigt forbedret computerkraft i 2000'erne og 2010'erne blomstrede maskinlæringsteknikker, hvilket førte os til autonom AI.

Dette vigtige trin gør det muligt for AI-systemer at udføre komplekse opgaver uden behov for programmering fra sag til sag, hvilket åbner dem for en bred vifte af anvendelser. Et sådant autonomt system – Chat GPT fra OpenAI – er naturligvis for nylig blevet kendt for sin fantastiske evne til at lære af enorme mængder data og generere sammenhængende, menneskelignende svar.

Hvad gjorde autonom AI mulig?

Så hvad er grundlaget for ChatGPT? Vi mennesker har to grundlæggende evner, der gør os i stand til at tænke. Vi besidder viden, hvad enten det drejer sig om fysiske objekter eller begreber, og vi besidder en forståelse af de ting i forhold til komplekse strukturer som sprog, logik osv. At kunne overføre den viden og forståelse til maskiner er en af ​​de hårdeste udfordringer i AI .

Med viden alene kunne OpenAIs GPT-4-model ikke håndtere mere end et enkelt stykke information. Med kontekst alene kunne teknologien ikke forstå noget om de objekter eller begreber, den kontekstualiserede. Men kombiner begge dele, og der sker noget bemærkelsesværdigt. Modellen kan blive selvstændig. Den kan forstå og lære. Anvend det på tekst, og du har ChatGPT. Anvend det på biler, og du har autonom kørsel og så videre.

OpenAI er ikke alene på sit felt, og mange virksomheder har udviklet maskinlæringsalgoritmer og brugt neurale netværk til at producere algoritmer, der kan håndtere både viden og kontekst i årtier. Så hvad ændrede sig, da ChatGPT kom på markedet? Nogle mennesker har peget på den svimlende mængde data leveret af internettet som den store forandring, der gav næring til ChatGPT. Men hvis det var alt, hvad der var nødvendigt, er det sandsynligt, at Google ville have slået OpenAI på grund af Googles dominans over alle disse data. Så hvordan gjorde OpenAI det?

Et af OpenAIs hemmelige våben er et nyt værktøj kaldet forstærkende læring fra menneskelig feedback (RLHF). OpenAI brugte RHLF til at træne OpenAI-algoritmen til at forstå både viden og kontekst. OpenAI skabte ikke ideen om RLHF, men virksomheden var blandt de første til at stole helt på det for udviklingen af ​​en stor sprogmodel (LLM) som ChatGPT.

RLHF tillod simpelthen algoritmen at selvkorrigere baseret på feedback. Så selvom ChatGPT er autonom i, hvordan det producerer et indledende svar på en prompt, har det et feedbacksystem, der lader det vide, om dets svar var nøjagtigt eller på en eller anden måde problematisk. Det betyder, at den konstant kan blive bedre og bedre uden væsentlige programmeringsændringer. Denne model resulterede i et hurtigt lærende chatsystem, der hurtigt tog verden med storm.

Vil autonom AI erstatte menneskelige arbejdere?

Den nye tidsalder med autonom AI er begyndt. Tidligere havde vi maskiner, der kunne forstå forskellige begreber til en vis grad, men kun i meget specifikke domæner og brancher. For eksempel har branchespecifik AI-software været brugt i medicin i nogen tid. Men søgningen efter autonom eller generel AI – hvilket betyder AI, der kunne fungere på egen hånd til at udføre en bred vifte af opgaver inden for forskellige områder med en vis grad af menneskelignende intelligens – gav endelig globalt bemærkelsesværdige resultater i 2022, da Chat GPT praktisk og beslutsomt bestod Turing-testen.

Forståeligt nok begynder nogle mennesker at frygte, at deres ekspertise, job og endda unikke menneskelige egenskaber kan blive erstattet af intelligente AI-systemer som ChatGPT. På den anden side er beståelse af Turing-testen ikke en ideel indikator for, hvor "menneskelignende" et bestemt AI-system kan være.

For eksempel hævder Roger Penrose, der vandt Nobelprisen i fysik i 2020, at bestået Turing-testen ikke nødvendigvis indikerer ægte intelligens eller bevidsthed. Han hævder, at der er en grundlæggende forskel på den måde, computere og mennesker behandler information på, og at maskiner aldrig vil være i stand til at replikere den type menneskelige tankeprocesser, der giver anledning til bevidsthed.

Så at bestå Turing-testen er ikke et sandt mål for intelligens, fordi det blot tester en maskines evne til at efterligne menneskelig adfærd, snarere end dens evne til virkelig at forstå og ræsonnere om verden. Ægte intelligens kræver bevidsthed og evnen til at forstå virkelighedens natur, som ikke kan replikeres af en maskine. Det betyder, at ChatGPT og anden lignende software, langt fra at erstatte os, blot vil give værktøjer til at hjælpe os med at forbedre og øge effektiviteten på en række forskellige områder.

Afsluttende tanker

Så maskiner vil være i stand til at udføre mange opgaver selvstændigt på måder, vi aldrig troede var mulige fra at forstå og skrive indhold, til at sikre enorme mængder af information, udføre delikate operationer og køre vores biler. Men indtil videre, i det mindste i denne teknologiske tidsalder, behøver dygtige arbejdere ikke at frygte for deres job. Selv autonome AI-systemer har ikke menneskelig intelligens. De kan bare forstå og præstere bedre end os mennesker til bestemte opgaver. De er ikke mere intelligente end os generelt, og de udgør ikke en væsentlig trussel mod vores livsstil; i hvert fald ikke i denne bølge af AI-udvikling.