Hvad kan ChatGPT fortælle os om udviklingen af kunstig intelligens?

I det sidste årti har kunstig intelligens (AI) både fremkaldt drømme om en massiv forandring i tech-industrien og en dyb angst omkring dets potentielle konsekvenser. Elon Musk, en ledende stemme i tech-industrien, har demonstreret denne dobbelthed. Han lover samtidig en verden med selvstændige AI-drevne biler, mens han advarer os om risikerne forbundet med AI, endda kalder for en pause i AI-udviklingen. Dette er særlig ironisk, når man betænker, at Musk var en tidlig investor i OpenAI, der blev grundlagt i 2015.

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

Bygning mod selvstændig AI

Historien om kunstig intelligens er en fængende historie om fremgang og samarbejde på tværs af discipliner. Den begyndte i begyndelsen af det 20. århundrede med de banebrydende bestræbelser af neurologen Santiago Ramón y Cajal, der brugte sin forståelse af det menneskelige hjernen til at skabe begrebet neurale netværk, en hjørnesten i moderne AI. Neurale netværk er computersystemer, der efterligner strukturen af det menneskelige hjernen og nervesystemet for at producere maskinbaseret intelligens. Nogen tid senere var Alan Turing beskæftiget med at udvikle den moderne computer og foreslå Turing-testen, en metode til at evaluere, om en maskine kunne vise menneske-lignende intelligent adfærd. Disse udviklinger fremkaldte en bølge af interesse for AI.

Som følge heraf så 1950’erne John McCarthy, Marvin Minsky og Claude Shannon udforske perspektiverne for AI, og Frank Rosenblatt myntede begrebet “kunstig intelligens”. De følgende årtier så to store gennembrud. Det første var eksperter, der er AI-systemer, der er individuelt designed til at udføre niche-, brancheforståede opgaver. Det andet var naturlig sprogbehandling ansøgninger, som tidlige chatbots. Med ankomsten af store datasæt og stadig forbedret beregningskraft i 2000’erne og 2010’erne, florerede maskinlærings-teknikker, hvilket førte os til selvstændig AI.

Dette betydningsfulde skridt giver AI-systemer mulighed for at udføre komplekse opgaver uden behov for opgave-for-opgave-programmering, hvilket åbner dem op for en bred vifte af anvendelser. Et sådant selvstændigt system – Chat GPT fra OpenAI – er naturligvis for nylig blevet kendt for sin fantastiske evne til at lære af enorme mængder af data og generere koherente, menneske-lignende svar.

Hvad gjorde selvstændig AI mulig?

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

Med viden alene kunne OpenAIs GPT-4-model ikke håndtere mere end en enkelt oplysning. Med kontekst alene kunne teknologien ikke forstå noget om de objekter eller begreber, det var i kontekst. Men kombiner begge, og noget bemærkelsesværdigt sker. Modellen kan blive selvstændig. Den kan forstå og lære. Anvend dette på tekst, og du har ChatGPT. Anvend det på biler, og du har selvstændig kørsel, og så videre.

OpenAI er ikke alene på markedet, og mange virksomheder har udviklet maskinlæringsalgoritmer og anvendt 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 overvældende mængde data, som internettet har tilbudt, som den store forandring, der drev ChatGPT. Men hvis det var alt, hvad der var nødvendigt, ville det sandsynligvis have været Google, der havde overgået OpenAI på grund af Googles dominans over al den data. Så hvordan gjorde OpenAI det?

En af OpenAIs hemmelige våben er et nyt værktøj kaldet forstærkning af læring fra menneskelig feedback (RLHF). OpenAI brugte RLHF til at træne OpenAI-algoritmen til at forstå både viden og kontekst. OpenAI opfandt ikke begrebet RLHF, men virksomheden var blandt de første til at afhænge så fuldstændigt af det til udviklingen af et stort sprogmodel (LLM) som ChatGPT.

RLHF gjorde det muligt for algoritmen at selvkorrigere på baggrund af feedback. Så selvom ChatGPT er selvstændig i, hvordan det producerer en initial respons på en opgave, har det et feedbacksystem, der fortæller det, om dets svar var nøjagtigt eller på en eller anden måde problematisk. Det betyder, at det kan blive bedre og bedre uden betydelige programmeringsændringer. Denne model resulterede i et hurtigt-lærende chatsystem, der hurtigt overtog verden.

Er selvstændig AI en erstatning for menneskeligt arbejde?

Den nye æra af selvstændig AI er begyndt. I fortiden havde vi maskiner, der kunne forstå forskellige begreber til en vis grad, men kun i højt specialiserede domæner og brancher. For eksempel har brancheforstået AI-software været brugt i medicin i lang tid. Men søgningen efter selvstændig eller generel AI – dvs. AI, der kan fungere på egen hånd for at udføre en bred vifte af opgaver på tværs af forskellige fagområder med en vis grad af menneske-lignende intelligens – resulterede endelig i globale og bemærkelsesværdige resultater i 2022, da Chat GPT let og afgørende bestod Turing-testen.

Forståeligt nok er nogle mennesker begyndt at frygte, at deres ekspertise, job og endda unikt menneskelige egenskaber kan blive erstattet af intelligente AI-systemer som ChatGPT. På den anden side er at bestå Turing-testen ikke en ideal indikator for, hvor “menneske-lignende” et bestemt AI-system er.

For eksempel argumenterer Roger Penrose, der vandt Nobelprisen i fysik i 2020, for, at at bestå Turing-testen ikke nødvendigvis indikerer sand intelligens eller bevidsthed. Han argumenterer for, at der er en grundlæggende forskel på, hvordan computere og mennesker behandler information, og at maskiner aldrig vil kunne replikere den type menneskelige tænkeprocesser, der giver anledning til bevidsthed.

Så at bestå Turing-testen er ikke en sand målestok for intelligens, fordi det kun tester en masks evne til at imitere menneskeligt adfærd, snarere end dets evne til virkelig at forstå og resonere om verden. Sand intelligens kræver bevidsthed og evnen til at forstå virkelighedens natur, hvilket ikke kan replikeres af en maskine. Det betyder, at langt fra at erstatte os, vil ChatGPT og lignende software blot give os værktøjer til at forbedre og øge effektiviteten i en række fagområder.

Endelige tanker

Så maskiner vil være i stand til at udføre mange opgaver selvstændigt, på måder vi aldrig troede mulige, fra at forstå og skrive indhold til at sikre store mængder af information, udføre delicate operationer og køre vores biler. Men for nu, i denne nuværende teknologiske æra, behøver dygtige arbejdere ikke at frygte for deres job. Selv selvstændige AI-systemer har ikke menneskelig intelligens. De kan blot forstå og udføre bedre end os mennesker på visse opgaver. De er ikke mere intelligente end os samlet set, og de udgør ikke en betydelig trussel mod vores livsstil; i hvert fald ikke i denne bølge af AI-udvikling.