Ronald T. Kneusel, Pengarang “Bagaimana AI Bekerja: Dari Sihir ke Sains” – Seri Wawancara

Kami baru-baru ini menerima salinan lanjutan dari buku “Bagaimana AI Bekerja: Dari Sihir ke Sains” oleh Ronald T. Kneusel. Saya telah membaca lebih dari 60 buku tentang AI, dan meskipun beberapa di antaranya memiliki konten yang sama, buku ini berhasil menawarkan perspektif yang segar, Saya menikmati buku ini cukup untuk menambahkannya ke daftar pribadi saya tentang Buku Mesin Pembelajaran & AI Terbaik Sepanjang Masa.

“Bagaimana AI Bekerja: Dari Sihir ke Sains” adalah buku yang singkat dan jelas yang dirancang untuk menjelaskan konsep dasar pembelajaran mesin. Berikut adalah beberapa pertanyaan yang diajukan kepada pengarang Ronald T. Kneusel.

Ini adalah buku AI ketiga Anda, dua buku sebelumnya adalah: “Pembelajaran Dalam Praktik: Pengenalan Berbasis Python,” dan “Matematika untuk Pembelajaran Dalam: Apa yang Anda Butuhkan untuk Memahami Jaringan Saraf”. Apa yang menjadi tujuan awal Anda ketika Anda memutuskan untuk menulis buku ini?

Audien yang berbeda. Buku-buku sebelumnya saya dimaksudkan sebagai pengenalan untuk orang-orang yang tertarik menjadi praktisi AI. Buku ini untuk pembaca umum, orang-orang yang mendengar banyak tentang AI di berita tetapi tidak memiliki latar belakang di dalamnya. Saya ingin menunjukkan kepada pembaca bahwa AI berasal dari mana, bahwa itu bukanlah sihir, dan bahwa siapa saja dapat memahami apa yang sedang dilakukan.

Sementara banyak buku AI cenderung menggeneralisasi, Anda telah mengambil pendekatan yang berlawanan dengan sangat spesifik dalam mengajarkan arti dari berbagai istilah, dan bahkan menjelaskan hubungan antara AI, pembelajaran mesin, dan pembelajaran dalam. Mengapa Anda percaya bahwa ada kebingungan sosial yang besar antara istilah-istilah ini?

Untuk memahami sejarah AI dan mengapa itu ada di mana-mana kita lihat sekarang, kita perlu memahami perbedaan antara istilah-istilah, tetapi dalam penggunaan populer, itu adil untuk menggunakan “AI” dengan mengerti bahwa itu merujuk terutama pada sistem AI yang mengubah dunia dengan sangat cepat. Sistem AI modern muncul dari pembelajaran dalam, yang muncul dari pembelajaran mesin dan pendekatan connectionist terhadap AI.

Bab kedua membahas sejarah AI, dari mitos Talos, robot raksasa yang dimaksudkan untuk menjaga seorang putri Fenisia, hingga makalah Alan Turing pada 1950-an, “Komputasi Mesin dan Kecerdasan”, Hingga munculnya revolusi Pembelajaran Dalam pada 2012. Mengapa pemahaman tentang sejarah AI dan pembelajaran mesin sangat penting untuk memahami seberapa jauh AI telah berkembang?

Niat saya adalah untuk menunjukkan bahwa AI tidak hanya jatuh dari langit. Ini memiliki sejarah, asal, dan evolusi. Sementara kemampuan emergen dari model bahasa besar adalah kejutan, jalur yang menuju ke sana tidak. Ini adalah jalur dekade pemikiran, penelitian, dan eksperimen.

Anda telah menghabiskan satu bab penuh untuk memahami sistem AI warisan seperti mesin vektor pendukung, pohon keputusan, dan hutan acak. Mengapa Anda percaya bahwa memahami model AI klasik ini sangat penting?

AI sebagai jaringan saraf hanyalah (!) pendekatan alternatif untuk jenis pemodelan berbasis optimasi yang ditemukan dalam banyak model pembelajaran mesin sebelumnya. Ini adalah pendekatan yang berbeda tentang apa yang dimaksud dengan mengembangkan model dari suatu proses, suatu fungsi yang memetakan input ke output. Mengetahui tentang model sebelumnya membantu memahami dari mana model saat ini berasal.

Anda menyatakan keyakinan bahwa model LLM ChatGPT OpenAI adalah fajar AI yang sebenarnya. Apa yang menurut Anda adalah perubahan terbesar antara ini dan metode sebelumnya dalam menangani AI?

Saya baru-baru ini menonton video dari akhir 1980-an dari Richard Feynman yang mencoba menjawab pertanyaan tentang mesin cerdas. Dia menyatakan bahwa dia tidak tahu apa program yang dapat berperilaku cerdas. Dalam arti tertentu, dia berbicara tentang AI simbolik, di mana misteri kecerdasan adalah menemukan urutan logis operasi ajaib, dll., yang memungkinkan perilaku cerdas. Saya pernah bertanya-tanya, seperti banyak orang, tentang hal yang sama – bagaimana Anda memprogram kecerdasan?

Keyakinan saya adalah bahwa Anda benar-benar tidak bisa. Sebaliknya, kecerdasan muncul dari sistem yang cukup kompleks yang dapat mengimplementasikan apa yang kita sebut kecerdasan (yaitu, kita). Otak kita adalah jaringan yang sangat kompleks dari unit dasar. Itu juga apa yang dimiliki jaringan saraf. Saya pikir arsitektur transformer, seperti yang diimplementasikan dalam LLM, telah secara tidak sengaja menemukan susunan unit dasar yang dapat bekerja sama untuk memungkinkan perilaku cerdas muncul.

Di satu sisi, ini adalah “kecelakaan bahagia” yang ultimate, sementara di sisi lain, itu tidak boleh terlalu mengejutkan sekali susunan dan interaksi antara unit dasar yang memungkinkan perilaku cerdas emergen telah terjadi. Tampaknya jelas sekarang bahwa model transformer adalah salah satu susunan seperti itu. Tentu saja, ini memunculkan pertanyaan: apa susunan lain yang mungkin ada?

Pesan yang Anda ambil adalah bahwa AI modern (LLM) pada intinya adalah jaringan saraf yang dilatih oleh backpropagation dan gradient descent. Apakah Anda secara pribadi terkejut dengan seberapa efektif LLM?

Ya dan tidak. Saya terus-menerus terkesan oleh respons dan kemampuan mereka saat saya menggunakannya, tetapi merujuk kembali ke pertanyaan sebelumnya, kecerdasan emergen adalah nyata, sehingga mengapa tidak muncul dalam model yang cukup besar dengan arsitektur yang sesuai? Saya pikir peneliti seperti Frank Rosenblatt, jika tidak lebih awal, mungkin berpikir hal yang sama.

Misi OpenAI adalah “untuk memastikan bahwa kecerdasan umum buatan—sistem AI yang secara umum lebih pintar dari manusia—membawa manfaat bagi seluruh umat manusia.” Apakah Anda secara pribadi percaya bahwa AGI dapat dicapai?

Saya tidak tahu apa yang dimaksud dengan AGI, sama seperti saya tidak tahu apa yang dimaksud dengan kesadaran, sehingga sulit untuk menjawab. Seperti yang saya nyatakan dalam buku, mungkin akan ada titik, sangat sekarang, di mana itu tidak berguna untuk peduli tentang perbedaan tersebut – jika itu berjalan seperti bebek dan berbunyi seperti bebek, cukup sebut itu bebek dan lanjutkan.

Jawaban yang santai terpisah, itu sepenuhnya dalam kemungkinan bahwa suatu sistem AI mungkin, suatu hari nanti, memenuhi banyak teori kesadaran. Apakah kita ingin sistem AI yang sepenuhnya sadar (apa pun yang itu benar-benar berarti)? Mungkin tidak. Jika itu sadar, maka itu seperti kita dan, oleh karena itu, orang dengan hak – dan saya tidak berpikir dunia siap untuk orang buatan.

Apakah ada sesuatu yang Anda pelajari selama penulisan buku ini yang mengejutkan Anda?

Di luar tingkat kejutan yang sama yang dirasakan semua orang terhadap kemampuan emergen dari LLM, tidak benar-benar. Saya belajar tentang AI sebagai mahasiswa pada 1980-an. Saya mulai bekerja dengan pembelajaran mesin pada awal 2000-an dan terlibat dengan pembelajaran dalam saat itu muncul pada awal 2010-an. Saya menyaksikan perkembangan dekade terakhir secara langsung, bersama dengan ribuan lainnya, saat bidang tersebut tumbuh dramatis dari konferensi ke konferensi.

Terima kasih atas wawancara yang luar biasa, pembaca juga mungkin ingin melihat ulasan saya tentang buku ini. Buku ini tersedia di semua pengecer besar termasuk Amazon.