Τι είναι ο Νόμος των Επιταχυνόμενων Αποδόσεων και πώς οδηγεί στην AGI;

Σε μια πρόσφατη συνέντευξη, όταν του ζητήθηκε να πει πότε περιμένει να δει την έλευση της Τεχνητής Γενικής Νοημοσύνης (AGI), ο Ίλον Μασκ απάντησε “3 έως 6 χρόνια”. Ο Διευθύνων Σύμβουλος της Google DeepMind, Demis Hassabis, πιστεύει τώρα ότι η AGI είναι “μερικά χρόνια μακριά, ίσως μέσα σε μία δεκαετία” όπως δηλώθηκε στο φεστιβάλ Future of Everything της The Wall Street Journal

Αυτά τα νούμερα θεωρούνται αισιόδοξα σε σύγκριση με τους περισσότερους εμπειρογνώμονες της βιομηχανίας της τεχνητής νοημοσύνης, οι οποίοι πιστεύουν ότι η AGI είναι συχνά μία δεκαετία, αν όχι αιώνας, μακριά. Μέρος αυτής της απαισιοδοξίας οφείλεται στο φόβο να δεσμευτούν σε ένα συντομότερο χρονοδιάγραμμα, μόνο για να αποδειχθούν τελικά λανθασμένοι. Άλλωστε , το 1956, στο Ερευνητικό Πρόγραμμα του καλοκαιριού του Dartmouth, ο όρος “Τεχνητή Νοημοσύνη” δημιουργήθηκε και ξεκίνησε ως πεδίο, με την προσδοκία ότι μια μηχανή τόσο έξυπνη όσο ένας άνθρωπος θα υπήρχε σε λιγότερο από μία γενιά (25 χρόνια).

Άλλοι, όπως ο Geoffrey Hinton, ο οποίος είναι γνωστός ως ο πατέρας της τεχνητής νοημοσύνης έχουν μια λίγο πιο διαφοροποιημένη άποψη. “Μέχρι πρόσφατα, σκέφτηκα ότι θα ήταν 20 έως 50 χρόνια πριν έχουμε γενική νοημοσύνη. Και τώρα σκέφτομαι ότι μπορεί να είναι 20 χρόνια ή λιγότερα.”

Η βιομηχανία της τεχνητής νοημοσύνης έχει προχωρήσει ταχύτατα τα τελευταία χρόνια, χάρη στην ταχεία ανάπτυξη των αλγορίθμων βαθιάς ενισχυτικής μάθησης, πολλοί από τους οποίους τροφοδοτούν τα σημερινά μεγάλα γλωσσικά μοντέλα (LLMs).

Παρά ταύτα, όλα αυτά τα επιτεύγματα έχουν οδηγήσει μόνο σε εφαρμογές στενής τεχνητής νοημοσύνης, όπως τα chatbots και η μετάφραση γλώσσας. Αυτό είναι σε σύγκριση με την AGI, ένα είδος τεχνητής νοημοσύνης που κατέχει την ικανότητα να κατανοήσει, να μάθει και να εφαρμόσει γνώσεις σε ένα ευρύ φάσμα εργασιών σε επίπεδο συγκρίσιμο με εκείνο ενός ανθρώπου.

Ο λείπων σύνδεσμος για την AGI για πολλούς φαίνεται ακατόρθωτος, αλλά για κάποιους που πιστεύουν στο λεγόμενο “Νόμο των Επιταχυνόμενων Αποδόσεων”, είναι αναπόφευκτο ότι θα κατασκευάσουμε τελικά μια AGI.

Ο Νόμος των Επιταχυνόμενων Αποδόσεων διατυπώθηκε από κανέναν άλλον παρά τον Ray Kurzweil, συγγραφέα, εφευρέτη και μελλοντολόγο. Είναι εμπλεκόμενος σε πεδία όπως η οπτική αναγνώριση χαρακτήρων (OCR), η σύνθεση κειμένου-ομιλίας, η τεχνολογία αναγνώρισης ομιλίας και εργάστηκε για την Google μετά τη δημοσίευση του βιβλίου του για την τεχνητή νοημοσύνη “Πώς να Δημιουργήσετε έναν Νου”. Αυτό το πρωτοποριακό βιβλίο δείχνει πώς πρέπει να κατανοήσουμε τον ανθρώπινο εγκέφαλο για να εφαρμόσουμε αντίστροφη μηχανική και να δημιουργήσουμε την απόλυτη σκεπτόμενη μηχανή. Αυτό το βιβλίο ήταν τόσο καθοριστικό για το μέλλον της τεχνητής νοημοσύνης, που ο Eric Schmidt προσέλαβε τον Ray Kurzweil για να εργαστεί σε προγράμματα τεχνητής νοημοσύνης αφού ολοκλήρωσε την ανάγνωση αυτού του θεμελιώδους βιβλίου.

Το πιο σχετικό βιβλίο του Ray Kurzweil είναι το “Η Μοναδικότητα Πλησιάζει“, από τότε που δημοσιεύθηκε το 2005, οι προβλέψεις του έχουν αντανακλάσει την τεχνολογική ανάπτυξη των τελευταίων 20 ετών. Το πιο σημαντικό είναι ότι ο Ray Kurzweil προβλέπει ότι θα επιτύχουμε την AGI μέχρι το 2029, ένα χρονοδιάγραμμα που είναι σύμφωνο με την πρόσφατη άποψη που μοιράζονται ο Ίλον Μασκ και ο Demis Hassabis.

Ο νόμος υποστηρίζει ότι ο ρυθμός της αλλαγής σε μια ποικιλία εξελικτικών συστημάτων (συμπεριλαμβανομένων, αλλά όχι περιορισμένων σε, την ανάπτυξη τεχνολογιών) τείνει να αυξάνεται εκθετικά.

Στο πλαίσιο της τεχνολογικής ανάπτυξης, ο νόμος υποδηλώνει ότι μπορούμε να περιμένουμε γρήγορες τεχνολογικές προόδους στο μέλλον, επειδή ο ρυθμός της τεχνολογικής καινοτομίας αυξάνεται εκθετικά. Ο Ray Kurzweil υποστηρίζει ότι κάθε νέα γενιά τεχνολογίας χτίζει πάνω στην προηγούμενη, αυξάνοντας το δυναμικό για καινοτομία με εκθετικό ρυθμό.

Αυτός ο νόμος δείχνει πώς μια εκρηκτική ανάπτυξη επιταχυνόμενων τεχνολογιών, η οποία οδηγείται τώρα από την Παραγωγική Τεχνητή Νοημοσύνη, θα συνδυαστεί με άλλα κύματα συγκλινουσών εκθετικών τεχνολογιών, όπως η παραγωγή μικροτσίπ και η τρισδιάστατη εκτύπωση. Αυτή η σύγκλιση είναι ο καταπέλτης για την τεχνητή νοημοσύνη να γίνει η πιο ισχυρή εφαρμογή που έχει κατασκευαστεί ποτέ.

Το 2001, ο Ray Kurzweil προέβλεψε τα ακόλουθα:

Μια ανάλυση της ιστορίας της τεχνολογίας δείχνει ότι η τεχνολογική αλλαγή είναι εκθετική, αντίθετα με την κοινή “ευθύγραμμη” άποψη. Έτσι, δεν θα ζήσουμε 100 χρόνια προόδου στο 21ο αιώνα — θα είναι περισσότερο σαν 20.000 χρόνια προόδου (με το σημερινό ρυθμό). Οι «αποδόσεις», όπως η ταχύτητα των τσιπ και η οικονομική αποδοτικότητα, αυξάνονται επίσης εκθετικά. Υπάρχει ακόμη και εκθετική αύξηση στον ρυθμό της εκθετικής αύξησης. Μέσα σε λίγες δεκαετίες, η μηχανική νοημοσύνη θα υπερβεί την ανθρώπινη νοημοσύνη, οδηγώντας στη Μοναδικότητα — τεχνολογική αλλαγή τόσο γρήγορη και βαθιά που αντιπροσωπεύει μια ρήξη στο ιστορικό της ανθρωπότητας. Οι επιπτώσεις περιλαμβάνουν τη συγχώνευση της βιολογικής και μη βιολογικής νοημοσύνης, αθάνατους ανθρώπους που βασίζονται σε λογισμικό και υπερυψηλά επίπεδα νοημοσύνης που επεκτείνονται στο σύμπαν με την ταχύτητα του φωτός.

Αυτή η τεχνολογική έκρηξη οφείλεται στο Νόμο του Moore, ο οποίος προέβλεψε ότι ο αριθμός των τρανζίστορ σε ένα δεδομένο chip θα διπλασιαζόταν περίπου κάθε δύο χρόνια. Αυτό, σε συνδυασμό με άλλες τεχνολογικές επαναστάσεις, δείχνει ότι ο Νόμος των Επιταχυνόμενων Αποδόσεων ευημερεί. Αυτές είναι οι παρατηρήσεις του Ray Kurzweil για το τι αυτό θα σημαίνει για το μέλλον της ανθρωπότητας:

• Η εξέλιξη εφαρμόζει θετική ανάδραση, με την οποία οι πιο αποτελεσματικές μέθοδοι που προκύπτουν από ένα στάδιο εξελικτικής προόδου χρησιμοποιούνται για να δημιουργήσουν το επόμενο στάδιο. Ως αποτέλεσμα, ο
• ρυθμός της προόδου μιας εξελικτικής διαδικασίας αυξάνεται εκθετικά με το χρόνο. Με το χρόνο, η “τάξη” της πληροφορίας που ενσωματώνεται στην εξελικτική διαδικασία (δηλ. το μέτρο με το οποίο η πληροφορία ταιριάζει σε ένα σκοπό, ο οποίος στην εξέλιξη είναι η επιβίωση) αυξάνεται.
• Μια συναφής παρατήρηση είναι ότι οι «αποδόσεις» μιας εξελικτικής διαδικασίας (π.χ. η ταχύτητα, η οικονομική αποτελεσματικότητα ή η συνολική “δύναμη” μιας διαδικασίας) αυξάνονται εκθετικά με το χρόνο.
• Σε μια άλλη θετική ανάδραση, καθώς μια εξελικτική διαδικασία (π.χ. η υπολογιστική) γίνεται πιο αποτελεσματική (π.χ. οικονομική), περισσότεροι πόροι διατίθενται στην περαιτέρω πρόοδο της διαδικασίας. Αυτό οδηγεί σε μια δεύτερη βαθμίδα εκθετικής αύξησης (δηλ. ο ρυθμός της εκθετικής αύξησης αυξάνεται εκθετικά).
• Η βιολογική εξέλιξη είναι μια τέτοια εξελικτική διαδικασία.
• Η τεχνολογική εξέλιξη είναι μια άλλη τέτοια εξελικτική διαδικασία. Πράγματι, η εμφάνιση του πρώτου είδους που δημιουργεί τεχνολογία οδήγησε σε μια νέα εξελικτική διαδικασία της τεχνολογίας. Έτσι, η τεχνολογική εξέλιξη είναι μια εξέλιξη και μια συνέχεια της βιολογικής εξέλιξης.
• Ένα συγκεκριμένο υπόδειγμα (μια μέθοδος ή προσέγγιση για την επίλυση ενός προβλήματος, π.χ. η συρρίκνωση τρανζίστορ σε ένα ολοκληρωμένο κύκλωμα ως μια προσέγγιση για την κατασκευή πιο ισχυρών υπολογιστών) παρέχει εκθετική αύξηση μέχρι τη στιγμή που η μέθοδος εξαντλεί το δυναμικό της. Όταν συμβεί αυτό, συμβαίνει μια αλλαγή υποδείγματος (δηλ. μια θεμελιώδης αλλαγή στην προσέγγιση), η οποία επιτρέπει την εκθετική αύξηση να συνεχιστεί.

Οι αναγνώστες πρέπει να διαβάσουν το blog του Kurzweil, και μετά πρέπει να σκεφτούν τις επιπτώσεις αυτής της εκθετικής αύξησης και πώς ταιριάζει και διαφέρει από ό,τι έχουν προσωπικά ζήσει από τότε που το blog δημοσιεύθηκε αρχικά.

Ο Νόμος των Επιταχυνόμενων Αποδόσεων, αν και δεν είναι τόσο δημοφιλής όσο ο Νόμος του Moore, παραμένει τόσο σχετικός σήμερα όσο και όταν δημοσιεύθηκε αρχικά.