Τι είναι ο Νόμος της Επιταχυνόμενης Επιστροφής; Πώς Οδηγεί στο AGI

Σε eine πρόσφατη συνέντευξη, όταν ρωτήθηκε πότε περιμένει να δει την έλευση της Γενικής Τεχνητής Νοημοσύνης (AGI), ο Elon Musk απάντησε “3 έως 6 χρόνια”. Ο CEO της Google’s DeepMind, Demis Hassabis, πιστεύει τώρα ότι η AGI είναι “μερικά χρόνια, ίσως μέσα σε μια δεκαετία μακριά” όπως δήλωσε στο The Wall Street Journal’s Future of Everything Festival.

Αυτά τα νούμερα θεωρούνται ότι είναι αισιόδοξα σε σύγκριση με τους περισσότερους ειδικούς της βιομηχανίας της τεχνητής νοημοσύνης, οι οποίοι πιστεύουν ότι η AGI είναι συχνά μια δεκαετία, αν όχι ένας αιώνας μακριά. Κάποιο από αυτό το πessimismo προέρχεται από τον φόβο της δέσμευσης σε ένα μικρότερο χρονοδιάγραμμα, μόνο για να αποδειχθεί τελικά λανθασμένο.毕竟, το 1956, στο Dartmouth Summer Research Project, ο όρος “Τεχνητή Νοημοσύνη” δημιουργήθηκε και ξεκίνησε ως πεδίο, με την προσδοκία ότι μια μηχανή τόσο έξυπνη όσο ένας άνθρωπος θα υπήρχε σε μη περισσότερο από μια γενιά (25 χρόνια).

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

Η βιομηχανία της τεχνητής νοημοσύνης έχει προχωρήσει ταχύτατα τα τελευταία χρόνια, χάρη στην ταχεία ανάπτυξη των αλγορίθμων του βαθύ ενισχυτικού μάθησης, πολλοί από τους οποίους τροφοδοτούν τις σημερινές Μεγάλες Γλωσσικές Μοντέλα (LLMs).

Παρά τα όλα αυτά, αυτές οι đột pháσεις έχουν οδηγήσει μόνο σε στενές εφαρμογές της τεχνητής νοημοσύνης, όπως τα chatbots και η μετάφραση γλώσσας. Αυτό είναι σε σύγκριση με την AGI, einem τύπου 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.

Το λείπων κομμάτι για την AGI για πολλούς φαίνεται να είναι απρόσιτο, αλλά για κάποιους που πιστεύουν στο λεγόμενο “Νόμο της Επιταχυνόμενης Επιστροφής”, είναι αναπόφευκτο ότι θα κατασκευάσουμε μια AGI.

Ο Νόμος της Επιταχυνόμενης Επιστροφής концепουαλίστηκε από κανέναν άλλο παρά τον Ray Kurzweil, συγγραφέα, εφευρέτη και μελλοντολόγο. Είναι εμπλεκόμενος σε πεδία όπως η οπτική αναγνώριση χαρακτήρων (OCR), η σύνθεση ομιλίας, η τεχνολογία αναγνώρισης ομιλίας και ήταν προσλαμβανόμενος από την Google μετά την δημοσίευση του βιβλίου του για την τεχνητή νοημοσύνη “How to Create a Mind”. Αυτό το πρωτοποριακό βιβλίο εικονογραφεί πώς πρέπει να κατανοήσουμε τον ανθρώπινο εγκέφαλο για να τον αναστυλώσουμε και να δημιουργήσουμε την τελική σκέπτη μηχανή. Αυτό το βιβλίο ήταν τόσο σημαντικό για το μέλλον της τεχνητής νοημοσύνης, που ο Eric Schmidt προσέλαβε τον Ray Kurzweil για να εργαστεί σε προγράμματα τεχνητής νοημοσύνης μετά την ολοκλήρωση της ανάγνωσης αυτού του σεμιναλίου βιβλίου.

Το πιο σχετικό βιβλίο του Ray Kurzweil είναι κανένα άλλο παρά το “The Singularity is Near“, από τότε που δημοσιεύθηκε το 2005, οι προβλέψεις του έχουν αντανακλούν την τεχνολογική ανάπτυξη κατά τις τελευταίες 2 δεκαετίες. 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 γνώμη που μοιράστηκε ο Elon Musk και Demis Hassabis.

Ο νόμος υποστηρίζει ότι ο ρυθμός της αλλαγής σε eine ευρεία ποικιλία εξελικτικών συστημάτων (συμπεριλαμβανομένων, αλλά όχι περιορισμένων στην, ανάπτυξη των τεχνολογιών) έχει την τάση να αυξάνεται εκпонεντιακά.

Στο контέκστ της τεχνολογικής ανάπτυξης, ο νόμος υποδηλώνει ότι μπορούμε να περιμένουμε ταχεία τεχνολογική πρόοδο στο μέλλον, επειδή ο ρυθμός της τεχνολογικής καινοτομίας αυξάνεται ο ίδιος εκпонεντιακά. Ο Ray Kurzweil υποστηρίζει ότι κάθε νέα γενιά τεχνολογίας βασίζεται στην προηγούμενη, αυξάνοντας την πιθανότητα καινοτομίας με εκпонεντιακό ρυθμό.

Αυτός ο νόμος παρουσιάζει πώς μια εκρηκτική ανάπτυξη επιταχυνόμενων τεχνολογιών, η οποία οδηγείται目前 από την Γεννητική Τεχνητή Νοημοσύνη, θα οδηγήσει σε άλλες κυματικές κινήσεις άλλων συγκλίνουσων εκпонεντιακών τεχνολογιών, όπως η κατασκευή chíπ και η 3-D εκτύπωση. Αυτή η σύγκλιση είναι το 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 εκпонεντιακή, αντίθετα με την κοινή “ιντουитивική γραμμική” άποψη. Έτσι, δεν θα ζήσουμε 100 χρόνια πρόοδου στο 21ο αιώνα — θα είναι περισσότερο σαν 20.000 χρόνια πρόοδου (με το σημερινό ρυθμό). Τα “επιτόκια”, όπως η ταχύτητα chíπ και η αποδοτικότητα, επίσης αυξάνονται εκπονεντιακά. Υπάρχει ακόμη και εκπονεντιακή αύξηση στον ρυθμό της εκπονεντιακής αύξησης. Μέσα σε quelques δεκαετίες, η μηχανική νοημοσύνη θα υπερβεί την ανθρώπινη νοημοσύνη, οδηγώντας στο Singularity — τεχνολογική αλλαγή τόσο ταχεία και βαθιά που αντιπροσωπεύει μια ρήξη στο υφάδι της ανθρώπινης ιστορίας. Οι επιπτώσεις περιλαμβάνουν τη συγχώνευση της βιολογικής και μη βιολογικής νοημοσύνης, αθάνατα λογισμικά-ανθρώπους και υπερ-υψηλά επίπεδα νοημοσύνης που επεκτείνονται προς τα έξω στο σύμπαν με την ταχύτητα του φωτός.

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

• Η εξέλιξη εφαρμόζει θετική ανατροφοδότηση, με αποτέλεσμα οι πιο ικανοί μέθοδοι που προκύπτουν από ένα στάδιο εξελικτικής πρόοδου να χρησιμοποιούνται για τη δημιουργία του επόμενου σταδίου. Ως αποτέλεσμα, ο
• ρυθμός της πρόοδου ενός εξελικτικού προCESS αυξάνεται εκπονεντιακά με το χρόνο. Με το χρόνο, η “τάξη” της πληροφορίας που ενσωματώνεται στην εξελικτική διαδικασία (δηλαδή, το μέτρο του πόσο καλά η πληροφορία ταιριάζει σε ένα σκοπό, ο οποίος στην εξέλιξη είναι η επιβίωση) αυξάνεται.
• Μια συναρτήση της παραπάνω παρατήρησης είναι ότι τα “επιτόκια” μιας εξελικτικής διαδικασίας (π.χ. η ταχύτητα, η αποδοτικότητα ή η συνολική “δύναμη” μιας διαδικασίας) αυξάνονται εκπονεντιακά με το χρόνο.
• Σε μια άλλη θετική ανατροφοδότηση, καθώς μια συγκεκριμένη εξελικτική διαδικασία (π.χ. η υπολογιστική) γίνεται πιο αποτελεσματική (π.χ. αποδοτική), μεγαλύτεροι πόροι αναπτυσσονται για την περαιτέρω πρόοδο της διαδικασίας. Αυτό οδηγεί σε μια δεύτερη εκпонεντιακή αύξηση (δηλαδή, ο ρυθμός της εκπονεντιακής αύξησης αυξάνεται εκπονεντιακά).
• Η βιολογική εξέλιξη είναι μια τέτοια εξελικτική διαδικασία.
• Η τεχνολογική εξέλιξη είναι μια άλλη τέτοια εξελικτική διαδικασία. Πράγματι, η εμφάνιση του πρώτου τεχνολογικού είδους οδήγησε σε μια νέα εξελικτική διαδικασία της τεχνολογίας. Έτσι, η τεχνολογική εξέλιξη είναι μια εξέλιξη και συνέχεια της βιολογικής εξέλιξης.
• Μια συγκεκριμένη παραδειγματική (ένας μέθοδος ή προσέγγιση για την επίλυση ενός προβλήματος, π.χ. η μείωση των τρανζίστορ σε ένα ολοκληρωμένο κύκλωμα ως μια προσέγγιση για την κατασκευή πιο ισχυρών υπολογιστών) παρέχει εκπονεντιακή αύξηση μέχρι που η μέθοδος εξαντλήσει το δυναμικό της. Όταν συμβεί αυτό, μια παραδειγματική αλλαγή (δηλαδή, μια θεμελιώδης αλλαγή στην προσέγγιση) συμβαίνει, η οποία επιτρέπει την εκпонεντιακή αύξηση να συνεχιστεί.

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

Ο Νόμος της Επιταχυνόμενης Επιστροφής, αν και δεν είναι τόσο δημοφιλής όσο ο Νόμος του Moore, παραμένει τόσο σχετικός σήμερα όσο και όταν δημοσιεύθηκε αρχικά.