Ką ChatGPT gali mums pasakyti apie dirbtinio intelekto evoliuciją?

Per pastarąjį dešimtmetį dirbtinis intelektas (AI) sukėlė svajones apie didžiulius pokyčius technologijų pramonėje ir didelį nerimą dėl galimų jo pasekmių. Elonas Muskas, pirmaujantis balsas technologijų pramonėje, pademonstravo šį dvilypumą. Tuo pat metu jis žada autonominių AI varomų automobilių pasaulį mus perspėja su DI susijusią riziką, net reikalaujant pristabdyti AI plėtrą. Tai ypač ironiška, nes Muskas buvo ankstyvas investuotojas į OpenAI, įkurtą 2015 m.

Vienas iš įdomiausių ir labiausiai susirūpinimą keliančių pokyčių dabartinės AI tyrimų bangos metu yra autonominis AI. Autonominės AI sistemos gali pačios atlikti užduotis, priimti sprendimus ir prisitaikyti prie naujų situacijų, be nuolatinės žmogaus priežiūros ar programavimo pagal užduotį. Vienas žinomiausių šiuo metu pavyzdžių yra ChatGPT – pagrindinis dirbtinio intelekto evoliucijos etapas. Pažiūrėkime, kaip atsirado „ChatGPT“, kur jis juda ir ką ši technologija gali pasakyti apie AI ateitį.

Kurti savarankiško AI link

Pasaka apie dirbtinį intelektą yra žavinga pažangos ir bendradarbiavimo tarp disciplinų istorija. Jis prasidėjo XX amžiaus pradžioje nuo novatoriškomis Santiago Ramón y Cajal, neurologo, kuris pasinaudojo savo supratimu apie žmogaus smegenis, pastangomis sukurti neuroninių tinklų koncepciją – kertinį šiuolaikinio dirbtinio intelekto akmenį. Neuroniniai tinklai yra kompiuterinės sistemos, kurios imituoja žmogaus smegenų ir nervų sistemos struktūrą, kad sukurtų mašininį intelektą. Po kurio laiko Alanas Turingas užsiėmė šiuolaikinio kompiuterio kūrimu ir pasiūlė Tiuringo testą – priemonę įvertinti, ar mašina gali rodyti į žmogų panašų protingą elgesį. Šie pokyčiai paskatino susidomėjimą dirbtiniu intelektu.

Dėl to šeštajame dešimtmetyje Johnas McCarthy, Marvinas Minsky ir Claude'as Shannonas tyrinėjo AI perspektyvas, o Frankas Rosenblattas sukūrė terminą „dirbtinis intelektas“. Vėlesniais dešimtmečiais įvyko du dideli lūžiai. Pirmoji buvo ekspertų sistemos, ty dirbtinio intelekto sistemos, individualiai sukurtos atlikti nišines, specifines pramonės užduotis. Antrosios buvo natūralios kalbos apdorojimo programos, pavyzdžiui, ankstyvieji pokalbių robotai. 1950-aisiais ir 2000-aisiais atsiradus dideliems duomenų rinkiniams ir vis gerėjančiai skaičiavimo galiai, suklestėjo mašininio mokymosi metodai, atvedę mus prie autonominio AI.

Šis svarbus žingsnis leidžia dirbtinio intelekto sistemoms atlikti sudėtingas užduotis, nereikalaujant programavimo kiekvienu konkrečiu atveju, todėl jas galima naudoti įvairiais būdais. Viena iš tokių autonominių sistemų – „OpenAI“ pokalbių GPT – žinoma, pastaruoju metu plačiai išgarsėjo dėl savo nuostabaus gebėjimo mokytis iš daugybės duomenų ir generuoti nuoseklius, į žmones panašius atsakymus.

Kas padarė autonominį AI įmanomą?

Taigi, kas yra „ChatGPT“ pagrindas? Mes, žmonės, turime du pagrindinius gebėjimus, leidžiančius mąstyti. Mes turime žinių apie fizinius objektus ar sąvokas, ir turime supratimą apie tuos dalykus, susijusius su sudėtingomis struktūromis, tokiomis kaip kalba, logika ir kt. Gebėjimas perduoti šias žinias ir supratimą mašinoms yra vienas sunkiausių AI iššūkių. .

Turėdamas vien žinių, OpenAI GPT-4 modelis negalėjo apdoroti daugiau nei vienos informacijos. Turėdama vien kontekstą, technologija negalėjo nieko suprasti apie objektus ar sąvokas, kurias ji kontekstualizuoja. Tačiau sujunkite abu ir atsitiks kažkas nuostabaus. Modelis gali tapti savarankiškas. Tai gali suprasti ir išmokti. Taikykite tai tekstui ir turėsite „ChatGPT“. Taikykite jį automobiliams, o jūs turite autonominį vairavimą ir pan.

„OpenAI“ nėra vienintelė savo srityje, o daugelis kompanijų jau dešimtmečius kuria mašininio mokymosi algoritmus ir naudoja neuroninius tinklus, kad sukurtų algoritmus, galinčius valdyti žinias ir kontekstą. Taigi, kas pasikeitė, kai „ChatGPT“ atėjo į rinką? Kai kurie žmonės atkreipė dėmesį į stulbinantį interneto teikiamų duomenų kiekį kaip didelį pokytį, paskatinusį ChatGPT. Tačiau jei to reikėjo, tikėtina, kad „Google“ būtų įveikusi „OpenAI“ dėl „Google“ dominavimo visų tų duomenų atžvilgiu. Taigi, kaip OpenAI tai padarė?

Vienas iš slaptųjų OpenAI ginklų yra naujas įrankis, vadinamas mokymasis iš žmonių grįžtamojo ryšio (RLHF). OpenAI naudojo RHLF, kad mokytų OpenAI algoritmą, kad suprastų žinias ir kontekstą. „OpenAI“ nesukūrė RLHF idėjos, tačiau įmonė buvo viena iš pirmųjų, kuri ja taip visiškai pasikliovė kurdama didelį kalbos modelį (LLM), pavyzdžiui, „ChatGPT“.

RLHF paprasčiausiai leido algoritmui pasitaisyti pagal atsiliepimus. Taigi, nors „ChatGPT“ yra savarankiškas pirminio atsakymo į raginimą atžvilgiu, jis turi grįžtamojo ryšio sistemą, leidžiančią žinoti, ar atsakymas buvo tikslus, ar kokiu nors būdu problemiškas. Tai reiškia, kad jis gali nuolat tobulėti ir tobulėti be reikšmingų programavimo pakeitimų. Dėl šio modelio buvo sukurta greitai besimokanti pokalbių sistema, kuri greitai užvaldė pasaulį.

Ar autonominis AI pakeis darbuotojus?

Prasidėjo naujas autonominio AI amžius. Anksčiau turėjome mašinas, kurios tam tikru mastu galėjo suprasti įvairias sąvokas, bet tik labai specifinėse srityse ir pramonės šakose. Pavyzdžiui, pramonės šakai pritaikyta dirbtinio intelekto programinė įranga jau kurį laiką buvo naudojama medicinoje. Tačiau savarankiško arba bendrojo dirbtinio intelekto, ty dirbtinio intelekto, kuris galėtų savarankiškai atlikti įvairias užduotis įvairiose srityse su tam tikru žmogaus intelekto laipsniu, paieška pagaliau davė pasauliniu mastu vertų rezultatų 2022 m., kai „Chat GPT“ patogiai ir ryžtingai veikė išlaikė Tiuringo testą.

Suprantama, kai kurie žmonės pradeda baimintis, kad jų kompetencija, darbai ir net išskirtinės žmogiškosios savybės gali būti pakeistos išmaniosiomis dirbtinio intelekto sistemomis, tokiomis kaip „ChatGPT“. Kita vertus, Turingo testo išlaikymas nėra idealus rodiklis, rodantis, kokia „panaši į žmogų“ tam tikra AI sistema.

Pavyzdžiui, Rogeris Penrose'as, 2020 m. laimėjęs Nobelio fizikos premiją, teigia, kad Turingo testo išlaikymas nebūtinai rodo tikrąjį intelektą ar sąmoningumą. Jis teigia, kad yra esminis skirtumas tarp to, kaip kompiuteriai ir žmonės apdoroja informaciją, ir kad mašinos niekada negalės atkartoti žmogaus mąstymo procesų, kurie sukelia sąmonę.

Taigi Tiuringo testo išlaikymas nėra tikras intelekto matas, nes jis tik patikrina mašinos gebėjimą mėgdžioti žmogaus elgesį, o ne gebėjimą iš tikrųjų suprasti ir mąstyti apie pasaulį. Tikram intelektui reikalinga sąmonė ir gebėjimas suprasti tikrovės prigimtį, kurios negali atkartoti mašina. Tai reiškia, kad „ChatGPT“ ir kita panaši programinė įranga toli gražu nepakeis mūsų, o tiesiog pateiks įrankius, padėsiančius tobulinti ir padidinti efektyvumą įvairiose srityse.

Baigiamosios mintys

Taigi mašinos galės atlikti daugybę užduočių savarankiškai, tokiais būdais, kokių niekada nemanėme, kad tai įmanoma – nuo ​​turinio supratimo ir rašymo iki didžiulio informacijos kiekio užtikrinimo, sudėtingų operacijų ir automobilių vairavimo. Tačiau kol kas, bent jau dabartiniame technologijų amžiuje, gabiems darbuotojams nereikia bijoti dėl savo darbo vietų. Net autonominės AI sistemos neturi žmogaus intelekto. Jie tiesiog gali suprasti ir atlikti tam tikras užduotis geriau nei mes, žmonės. Jie nėra protingesni už mus apskritai ir nekelia didelės grėsmės mūsų gyvenimo būdui; bent jau ne šioje AI vystymosi bangoje.