Τι μπορεί να μας πει το ChatGPT για την Εξέλιξη της Τεχνητής Νοημοσύνης;

Τις τελευταίες δεκαετίες, η τεχνητή νοημοσύνη (ΤΝ) έχει προκαλέσει τόσο όνειρα για μια μαζική μεταμόρφωση στην τεχνολογική βιομηχανία όσο και μια βαθιά ανησυχία σχετικά με τις πιθανές επιπτώσεις της. Ο Ίλον Μασκ, μια ηγετική φωνή στην τεχνολογική βιομηχανία, έχει δείξει αυτή τη διπλωματία. Υποσχέθηκε έναν κόσμο με αυτονομούς αυτοκίνητα που λειτουργούν με ΤΝ, ενώ ειδοποιούσε για τους κινδύνους που συνδέονται με την ΤΝ, ακόμη και ζητώντας παύση στην ανάπτυξη της ΤΝ. Αυτό είναι ιδιαίτερα ειρωνικό,考虑οντας ότι ο Μασκ ήταν ένας πρώιμος επενδυτής στην OpenAI, η οποία ιδρύθηκε το 2015.

Μια από τις πιο ενθουσιώδεις και ανησυχητικές εξελίξεις που οδηγούν την τρέχουσα έξοδο της έρευνας ΤΝ είναι η αυτονομία ΤΝ. Τα συστήματα αυτονομίας ΤΝ μπορούν να εκτελέσουν εργασίες, να λάβουν αποφάσεις και να προσαρμοστούν σε νέες καταστάσεις από μόνα τους, χωρίς συνεχή εποπτεία ή προγραμματισμό εργασιών. Ένα από τα πιο γνωστά παραδείγματα αυτή τη στιγμή είναι το ChatGPT, ένα σημαντικό ορόσημο στην εξέλιξη της τεχνητής νοημοσύνης. Ας δούμε πώς δημιουργήθηκε το ChatGPT, πού πηγαίνει και τι μπορεί να μας πει η τεχνολογία για το μέλλον της ΤΝ.

Κατασκευάζοντας προς την αυτονομία ΤΝ

Η ιστορία της τεχνητής νοημοσύνης είναι μια συναρπαστική ιστορία προόδου και συνεργασίας μεταξύ των επιστημών. Ξεκίνησε στις αρχές του 20ου αιώνα με τις πρωτοποριακές προσπάθειες του Σαντιάγο Ραμόν ι Καχάλ, einem νευροεπιστήμονα που χρησιμοποίησε την κατανόησή του για τον ανθρώπινο εγκέφαλο για να δημιουργήσει την έννοια των νευρωνικών δικτύων, ενός γωνιακού λίθου της σύγχρονης ΤΝ. Τα νευρωνικά δίκτυα είναι υπολογιστικά συστήματα που μιμούνται τη δομή του ανθρώπινου εγκεφάλου και του νευρικού συστήματος για να παράγουν μηχανική νοημοσύνη. Κάποια στιγμή αργότερα, ο Άλαν Τούρινγκ ήταν απασχολημένος με την ανάπτυξη του σύγχρονου υπολογιστή και την πρόταση του Τεστ Τούρινγκ, ενός μέσου για την αξιολόγηση εάν μια μηχανή θα μπορούσε να εμφανίσει ανθρώπινα έξυπνα συμπεριφορικά πρότυπα. Αυτές οι εξελίξεις προκάλεσαν ένα κύμα ενδιαφέροντος για την ΤΝ.

Ως αποτέλεσμα, η δεκαετία του 1950 είδε τους Τζον ΜακΚάρθι, Μάρβιν Μίνσκι και Κλαούντε Σάννον να εξερευνούν τις προοπτικές της ΤΝ, και ο Φρανκ Ρόζενμπλατ έδωσε την ονομασία “τεχνητή νοημοσύνη”. Οι επόμενες δεκαετίες είδαν δύο σημαντικές εξελίξεις. Η πρώτη ήταν τα συστήματα εμπειρογνωμόνων, τα οποία είναι συστήματα ΤΝ που σχεδιάστηκαν για να εκτελέσουν εξειδικευμένες, βιομηχανικές εργασίες. Η δεύτερη ήταν οι εφαρμογές επεξεργασίας φυσικής γλώσσας, όπως οι πρώτοι chatbots. Με την άφιξη μεγάλων συνόλων δεδομένων και της συνεχώς βελτιωμένης υπολογιστικής ισχύος στις δεκαετίες του 2000 και 2010, οι τεχνικές μηχανικής μάθησης άνθισαν, οδηγώντας μας στην αυτονομία ΤΝ.

Αυτός ο σημαντικός βήμας επιτρέπει στα συστήματα ΤΝ να εκτελέσουν σύνθετες εργασίες χωρίς την ανάγκη προγραμματισμού εργασιών, ανοίγοντας τις πόρτες σε eine ευρεία γκάμα χρήσεων. Ένα τέτοιο αυτόνομο σύστημα – το Chat GPT από την OpenAI – έχει πρόσφατα γίνει ευρέως γνωστό για την εκπληκτική του ικανότητα να μάθει από τεράστιες ποσότητες δεδομένων και να παράγει συνεκτικές, ανθρώπινα έξυπνες απαντήσεις.

Τι έκανε δυνατή την αυτονομία ΤΝ;

Τι είναι η βάση του ChatGPT; Οι άνθρωποι έχουν δύο βασικές ικανότητες που μας επιτρέπουν να σκεφτόμαστε. Κατέχουμε γνώσεις, είτε για φυσικά αντικείμενα είτε για έννοιες, και κατέχουμε μια κατανόηση αυτών των πραγμάτων σε σχέση με σύνθετες δομές όπως η γλώσσα, η λογική, κ.λπ. Η khảότητα να μεταφέρουμε αυτές τις γνώσεις και κατανόηση στα μηχανήματα είναι μια από τις πιο δύσκολες προκλήσεις στην ΤΝ.

Με γνώσεις μόνο, το μοντέλο GPT-4 της OpenAI δεν θα μπορούσε να χειριστεί περισσότερες από μία πληροφορίες. Με контекστό μόνο, η τεχνολογία δεν θα μπορούσε να κατανοήσει τίποτα σχετικά με τα αντικείμενα ή τις έννοιες που контεκστοποιούσε. Αλλά συνδυάστε και τα δύο, και κάτι αξιοσημείωτο συμβαίνει. Το μοντέλο μπορεί να γίνει αυτόνομο. Μπορεί να κατανοήσει και να μάθει. Εφαρμόστε αυτό στο κείμενο, και έχετε το ChatGPT. Εφαρμόστε το στα αυτοκίνητα, και έχετε αυτόνομη οδήγηση, και così weiter.

Η OpenAI δεν είναι η μόνη στην αγορά, και πολλές εταιρείες έχουν αναπτύξει αλγόριθμους μηχανικής μάθησης και έχουν χρησιμοποιήσει νευρωνικά δίκτυα για να παράγουν αλγόριθμους που μπορούν να χειριστούν και γνώσεις και контекστό για δεκαετίες. Τί έγινε λοιπόν όταν το ChatGPT ήρθε στην αγορά; Κάποιοι έχουν υποδείξει την εκπληκτική ποσότητα δεδομένων που παρέχεται από το διαδίκτυο ως τη μεγάλη αλλαγή που κατέστησε δυνατό το ChatGPT. Ωστόσο, αν αυτό ήταν όλο που χρειαζόταν, είναι πιθανό ότι η Google θα είχε ξεπεράσει την OpenAI λόγω της κυριαρχίας της Google σε όλα αυτά τα δεδομένα. Πώς λοιπόν η OpenAI το κατάφερε;

Ένα από τα μυστικά όπλα της OpenAI είναι ένα νέο εργαλείο που ονομάζεται ενίσχυση μάθησης από ανθρώπινη ανάδραση (RLHF). Η OpenAI χρησιμοποίησε το RHLF για να εκπαιδεύσει τον αλγόριθμο της OpenAI να κατανοήσει και γνώσεις και контекστό. Η OpenAI δεν δημιούργησε την ιδέα του RLHF, αλλά η εταιρεία ήταν μεταξύ των πρώτων που βασίστηκε σε αυτό τόσο πολύ για την ανάπτυξη ενός μεγάλου μοντέλου γλώσσας (LLM) όπως το ChatGPT.

Το RLHF απλώς επέτρεψε στον αλγόριθμο να αυτοδιορθωθεί με βάση την ανάδραση. Έτσι, ενώ το ChatGPT είναι αυτόνομο στον τρόπο με τον οποίο παράγει μια αρχική απάντηση σε μια πρόκληση, έχει ένα σύστημα ανάδρασης που του λέει αν η απάντησή του ήταν ακριβής ή σε κάποιο τρόπο προβληματική. Αυτό σημαίνει ότι μπορεί να γίνει συνεχώς καλύτερο και καλύτερο χωρίς σημαντικές αλλαγές προγραμματισμού. Αυτό το μοντέλο οδήγησε σε ένα γρήγορο-μάθηση σύστημα chat που γρήγορα κατέκτησε τον κόσμο.

Θα αντικαταστήσει η αυτονομία ΤΝ τους ανθρώπινους εργαζόμενους;

Η νέα εποχή της αυτονομίας ΤΝ έχει ξεκινήσει. Στο παρελθόν, είχαμε μηχανές που μπορούσαν να κατανοήσουν διάφορες έννοιες σε κάποιο βαθμό, αλλά μόνο σε εξαιρετικά συγκεκριμένα πεδία και βιομηχανίες. Για παράδειγμα, λογισμικό ΤΝ που χρησιμοποιείται στην ιατρική για κάποιο χρόνο. Αλλά η αναζήτηση για αυτονομία ή γενική ΤΝ – που σημαίνει ΤΝ που θα μπορούσε να λειτουργήσει αυτόνομα για να εκτελέσει eine ευρεία γκάμα εργασιών σε διάφορα πεδία με ένα βαθμό ανθρώπινης νοημοσύνης – τελικά παρήγαγε παγκοσμίως αξιοσημείωτα αποτελέσματα το 2022, όταν το Chat GPT πέρασε με ευκολία και αποφασιστικά το τεστ Τούρινγκ.

Κατανοητά, κάποιοι άνθρωποι αρχίζουν να φοβούνται ότι η εξειδίκευσή τους, οι δουλειές τους και ακόμη και οι μοναδικές ανθρώπινες ιδιότητες τους μπορεί να αντικατασταθούν από έξυπνα συστήματα ΤΝ όπως το ChatGPT. Από την άλλη πλευρά, το πέρασμα του τεστ Τούρινγκ δεν είναι ένας ιδανικός δείκτης για το πόσο “ανθρώπινο” είναι ένα συγκεκριμένο σύστημα ΤΝ.

Για παράδειγμα, ο Ρότζερ Πένροουζ, ο οποίος κέρδισε το Βραβείο Νόμπελ Φυσικής το 2020, υποστηρίζει ότι το πέρασμα του τεστ Τούρινγκ δεν σημαίνει απαραίτητα αληθινή νοημοσύνη ή συνείδηση. Υποστηρίζει ότι υπάρχει μια θεμελιώδης διαφορά μεταξύ του τρόπου με τον οποίο οι υπολογιστές και οι άνθρωποι επεξεργάζονται πληροφορίες και ότι οι μηχανές δεν θα μπορέσουν ποτέ να αναπαράγουν τον τύπο ανθρώπινης σκέψης που οδηγεί στη συνείδηση.

Έτσι, το πέρασμα του τεστ Τούρινγκ δεν είναι ένας αληθινός δείκτης νοημοσύνης, επειδή δοκιμάζει μόνο την ικανότητα μιας μηχανής να μιμείται ανθρώπινη συμπεριφορά, και όχι την ικανότητά της να κατανοήσει και να συλλογιστεί για τον κόσμο. Αληθινή νοημοσύνη απαιτεί συνείδηση και την ικανότητα να κατανοήσει τη φύση της πραγματικότητας, η οποία δεν μπορεί να αναπαραχθεί από μια μηχανή. Αυτό σημαίνει ότι, μακρυά από το να αντικαταστήσουν τους ανθρώπους, το ChatGPT και άλλα παρόμοια λογισμικά θα παρέχουν εργαλεία για να μας βοηθήσουν να βελτιώσουμε και να αυξήσουμε την αποτελεσματικότητα σε eine ευρεία γκάμα πεδίων.

Τελικές σκέψεις

Έτσι, οι μηχανές θα μπορέσουν να ολοκληρώσουν πολλές εργασίες αυτόνομα, με τρόπους που δεν σκεφτήκαμε ποτέ ότι είναι δυνατοί, από την κατανόηση και τη γραφή περιεχομένου, την ασφάλεια μεγάλων ποσοτήτων πληροφοριών, την εκτέλεση λεπτών χειρουργικών επεμβάσεων, και την οδήγηση των αυτοκινήτων μας. Αλλά, για τώρα, τουλάχιστον σε αυτή τη τρέχουσα εποχή της τεχνολογίας, οι ικανοί εργαζόμενοι δεν πρέπει να φοβούνται για τις δουλειές τους. Ακόμη και τα αυτόνομα συστήματα ΤΝ δεν έχουν ανθρώπινη νοημοσύνη. Μπορούν να κατανοήσουν και να εκτελέσουν καλύτερα από τους ανθρώπους σε ορισμένες εργασίες. Δεν είναι πιο έξυπνα από εμάς συνολικά, και δεν αποτελούν σημαντική απειλή για τον τρόπο ζωής μας· τουλάχιστον, όχι σε αυτή τη φάση της ανάπτυξης ΤΝ.