Järgmise põlvkonna AI: OpenAI ja Meta hüpe mõtlemismasinate poole

OpenAI ja Meta, generatiivse AI valdkonna pioneerid, on stardi lähedal oma järgmise põlvkonna tehisintellekti (AI). See uus tehisintellekti laine on seatud parandama mõtlemis- ja planeerimisvõimet, tähistades olulisi edusamme tehisintellekti arendamise suunas. tehislik üldintellekt. See artikkel uurib neid eelseisvaid uuendusi ja nende pakutavat potentsiaalset tulevikku.

Tee sillutamine tehisintellektile

Viimastel aastatel on OpenAI ja Meta on teinud edusamme märkimisväärseid edusamme AI mudelid, AI rakenduste olulised ehitusplokid. See areng tuleneb generatiivsest AI koolitusstrateegiast, kus mudelid õpivad ennustama puuduvaid sõnu ja piksleid. Kuigi see meetod on võimaldanud generatiivsel tehisintellektil pakkuda muljetavaldavalt ladusaid väljundeid, ei suuda see pakkuda sügavat konteksti mõistmist ega tugevaid probleemide lahendamise oskusi, mis nõuavad tervet mõistust ja strateegilist planeerimist. Järelikult ei suuda need põhilised AI mudelid keeruliste ülesannete lahendamisel või nüansirikkaid mõistmist nõudes sageli täpseid vastuseid anda. See piirang rõhutab vajadust täiendavate edusammude järele tehisintellekti (AGI) arendamiseks.

Lisaks püütakse AGI otsingul arendada tehisintellektisüsteeme, mis vastavad inimestel ja loomadel täheldatud õppimistõhususe, kohanemisvõime ja rakendusvõimega. Tõeline AGI hõlmaks süsteeme, mis suudavad intuitiivselt töödelda minimaalseid andmeid, kohaneda kiiresti uute stsenaariumidega ja edastada teadmisi erinevates olukordades – oskused, mis tulenevad maailma keerukuse sünnipärasest mõistmisest. Selleks, et AGI oleks tõhus, on olulised täiustatud arutlus- ja planeerimisoskused, mis võimaldavad tal täita omavahel seotud ülesandeid ja näha ette oma tegevuste tulemusi. Tehisintellekti selle edenemise eesmärk on kõrvaldada praegused puudujäägid, arendades sügavamat, kontekstuaalsemat intelligentsi vormi, mis suudab hallata reaalsete väljakutsete keerukust.

AGI tugeva mõtlemis- ja planeerimismudeli poole

Traditsioonilised metoodikad arutlus- ja planeerimisoskuste juurutamiseks tehisintellekti, nt sümboolsed meetodid ja tugevdamise õppimine, puutuvad kokku suurte raskustega. Sümboolsed meetodid nõuavad loomulikult väljendatud probleemide teisendamist struktureeritud sümboolseteks esitusviisideks – protsess, mis nõuab märkimisväärseid inimteadmisi ja on väga veatundlik, kus isegi väikesed ebatäpsused võivad põhjustada suuri talitlushäireid. Samal ajal nõuab tugevdav õpe (RL) sageli ulatuslikku suhtlust keskkonnaga, et töötada välja tõhusad strateegiad. See lähenemisviis võib olla ebapraktiline või liiga kulukas, kui andmete hankimine on aeglane või kulukas.

Nende takistuste ületamiseks on hiljutised edusammud keskendunud tehisintellekti põhimudelite täiustamisele koos täiustatud arutlus- ja planeerimisvõimalustega. See saavutatakse tavaliselt arutlus- ja planeerimisülesannete näidete lisamisega järelduste tegemise ajal otse mudeli sisendkonteksti, kasutades meetodit, mida nimetatakse kontekstis õppimine. Kuigi see lähenemine on näidanud potentsiaali, toimib see üldiselt hästi ainult lihtsate ja arusaadavate stsenaariumide korral ning nende võimete ülekandmisel erinevates valdkondades on raskusi – see on tehisintellekti (AGI) saavutamise põhinõue. Need piirangud rõhutavad vajadust töötada välja põhilised AI mudelid, mis suudaksid lahendada suurema hulga keerulisi ja mitmekesiseid reaalmaailma väljakutseid, edendades seeläbi AGI kasutamist.

Meta ja OpenAI uued piirid mõtlemises ja planeerimises

Yann LeCun, Meta tehisintellekti juhtivteadlane, on järjepidevalt rõhutas, et generatiivse tehisintellekti arutlus- ja planeerimisvõimaluste piirangud on suuresti tingitud praeguste koolitusmetoodikate lihtsustamisest. Ta väidab, et need traditsioonilised meetodid keskenduvad peamiselt järgmise sõna või piksli ennustamisele, mitte strateegilise mõtlemise ja planeerimisoskuste arendamisele. LeCun rõhutab vajadust täiustatud koolitustehnikate järele, mis julgustavad AI-d hindama võimalikke lahendusi, koostama tegevusplaane ja mõistma oma valikute tagajärgi. Ta on avalikustanud, et Meta töötab aktiivselt nende keerukate strateegiate kallal, et võimaldada AI-süsteemidel iseseisvalt hallata keerulisi ülesandeid, nagu näiteks reisi iga elemendi korraldamine Pariisi kontorist teise New Yorgis, sealhulgas edasi-tagasi sõitmine lennujaama.

Samal ajal on OpenAI, mis on tuntud oma GPT seeria ja ChatGPT poolest, olnud tähelepanu keskpunktis oma salajase projektiga, mida tuntakse kui Q-täht. Kuigi spetsiifikat napib, vihjab projekti nimi Q-õppe ja A-tähe algoritmide võimalikule kombinatsioonile, mis on olulised abivahendid õppimise ja planeerimise jaoks. See algatus on kooskõlas OpenAI jätkuvate jõupingutustega oma GPT mudelite arutlus- ja planeerimisvõime parandamiseks. Hiljutised aruanded Financial Times, mis põhineb aruteludel nii Meta kui ka OpenAI juhtidega, rõhutavad nende organisatsioonide ühist pühendumust arendada edasi tehisintellekti mudeleid, mis toimivad hästi nendes olulistes kognitiivsetes valdkondades.

Tehisintellektisüsteemide täiustatud arutlemise transformatiivsed mõjud

Kuna OpenAI ja Meta jätkavad oma põhiliste tehisintellekti mudelite täiustamist põhjendamis- ja planeerimisvõimalustega, on need arendused valmis tehisintellektisüsteemide potentsiaali oluliselt laiendama. Sellised edusammud võivad tehisintellektis tuua kaasa suuri läbimurdeid järgmiste võimalike täiustustega:

• Täiustatud probleemide lahendamine ja otsuste tegemine: Arutlus- ja planeerimisvõimalustega täiustatud AI-süsteemid on paremini varustatud keerukate ülesannetega toimetulemiseks, mis nõuavad tegevuste ja nende tagajärgede mõistmist aja jooksul. See võib kaasa tuua edusamme strateegilises mängus, logistika planeerimises ja autonoomsetes otsustussüsteemides, mis nõuavad põhjuse ja tagajärje nüansimõistmist.
• Parem rakendatavus kõigis domeenides: Ületades domeenispetsiifilise õppimise piirangud, saavad need AI mudelid rakendada oma arutlus- ja planeerimisoskusi erinevates valdkondades, nagu tervishoid, rahandus ja linnaplaneerimine. See mitmekülgsus võimaldaks AI-l tõhusalt lahendada väljakutseid keskkondades, mis erinevad oluliselt sellest, milles nad algselt koolitati.
• Vähendatud sõltuvus suurtest andmekogumitest: Liikumine mudelite poole, mis suudavad põhjendada ja planeerida minimaalsete andmetega, peegeldab inimese võimet kiiresti õppida vähestest näidetest. Selline andmevajaduse vähenemine vähendab tehisintellektisüsteemide väljaõppega seotud arvutuskoormust ja ressursinõudlust, suurendades samal ajal ka nende kiirust uute ülesannetega kohanemisel.
• Sammud tehisintellekti (AGI) poole: Need arutlus- ja planeerimismudelid viivad meid lähemale AGI saavutamisele, kus masinad võivad kunagi täita mis tahes intellektuaalseid ülesandeid, mida inimene suudab. See tehisintellekti võimekuse areng võib kaasa tuua märkimisväärseid ühiskondlikke mõjusid, tekitades uusi arutelusid intelligentsete masinate eetiliste ja praktiliste kaalutluste üle meie elus.

Loosung

OpenAI ja Meta on järgmise põlvkonna tehisintellekti arendamise esirinnas, keskendudes arutlus- ja planeerimisvõime parandamisele. Need täiustused on võtmetähtsusega, et jõuda lähemale tehisintellektile (AGI), mille eesmärk on varustada AI-süsteeme keeruliste ülesannete lahendamiseks, mis nõuavad laiema konteksti ja pikaajaliste tagajärgede keerukat mõistmist.

Nende võimaluste täiustamisega saab tehisintellekti laiemalt rakendada erinevates valdkondades, nagu tervishoid, rahandus ja linnaplaneerimine, vähendades sõltuvust suurtest andmekogumitest ja parandades kohanemisvõimet. Need edusammud mitte ainult ei luba laiendada tehisintellekti praktilisi rakendusi, vaid toovad meid lähemale ka tulevikule, kus tehisintellekt võib kõigi intellektuaalsete ülesannete puhul täita sama hästi kui inimesed, tekitades olulisi vestlusi tehisintellekti igapäevaellu integreerimise üle.