Вештачка интелигенција од следната генерација: OpenAI и скокот на Мета кон машините за расудување

OpenAI и Meta, пионери во областа на генеративната вештачка интелигенција, се се приближува на лансирањето на нивната следна генерација на вештачка интелигенција (АИ). Овој нов бран на вештачка интелигенција треба да ги подобри способностите во расудувањето и планирањето, означувајќи значителен напредок кон развојот на вештачка општа интелигенција. Оваа статија ги истражува овие претстојни иновации и потенцијалната иднина што тие ја најавуваат.

Поплочување на патот за вештачка општа интелигенција

Во изминатите неколку години, OpenAI и Мета направија значителен напредок во напредувањето модели на вештачка интелигенција на основата, основни градежни блокови за апликации за вештачка интелигенција. Овој напредок произлегува од генеративната стратегија за обука за вештачка интелигенција каде моделите учат да предвидуваат зборови и пиксели што недостасуваат. Иако овој метод му овозможи на генеративната вештачка интелигенција да испорачува импресивно течни резултати, тој не обезбедува длабоко контекстуално разбирање или робусни вештини за решавање проблеми кои бараат здрав разум и стратешко планирање. Следствено, кога се справуваат со сложени задачи или бараат различно разбирање, овие основни модели на вештачка интелигенција честопати не успеваат да дадат точни одговори. Ова ограничување ја нагласува потребата за понатамошен напредок кон развивање на вештачка општа интелигенција (AGI).

Понатаму, потрагата по AGI се обидува да развие системи за вештачка интелигенција кои одговараат на ефикасноста на учењето, приспособливоста и способностите за примена забележани кај луѓето и животните. Вистинскиот AGI би вклучувал системи кои можат интуитивно да обработуваат минимални податоци, брзо да се прилагодат на новите сценарија и да пренесуваат знаење низ различни ситуации - вештини кои произлегуваат од вроденото разбирање на сложеноста на светот. За AGI да биде ефективен, од суштинско значење се напредните способности за расудување и планирање, што му овозможуваат да извршува меѓусебно поврзани задачи и да ги предвиди резултатите од своите активности. Оваа прогресија во вештачката интелигенција има за цел да ги реши тековните недостатоци преку негување на подлабока, поконтекстуална форма на интелигенција способна да управува со сложеноста на предизвиците во реалниот свет.

Кон робустен модел на расудување и планирање за AGI

Традиционалните методологии за всадување способности за расудување и планирање во ВИ, како на пр симболични методи зајакнување на учење, наиде на значителни тешкотии. Симболичките методи бараат конверзија на природно изразените проблеми во структурирани, симболични претстави - процес кој бара значителна човечка експертиза и е многу чувствителен на грешки, каде што дури и малите неточности може да доведат до големи дефекти. Зајакнувачкото учење (RL), во меѓувреме, често бара обемни интеракции со околината за да се развијат ефективни стратегии, пристап кој може да биде непрактичен или премногу скап кога стекнувањето податоци е бавно или скапо.

За да се надминат овие пречки, неодамнешните достигнувања се концентрираа на подобрување на основните модели на вештачка интелигенција со напредни способности за расудување и планирање. Ова обично се постигнува со инкорпорирање на примери на задачи за расудување и планирање директно во влезниот контекст на моделите за време на заклучувањето, користејќи метод познат како учење во контекст. Иако овој пристап покажа потенцијал, тој генерално функционира добро само во едноставни, јасни сценарија и се соочува со тешкотии во пренесувањето на овие способности низ различни домени - фундаментален услов за постигнување вештачка општа интелигенција (AGI). Овие ограничувања ја нагласуваат потребата да се развијат основни модели на вештачка интелигенција кои можат да се справат со поширок спектар на сложени и разновидни предизвици во реалниот свет, а со тоа да се унапреди стремежот кон AGI.

Новите граници на Мета и OpenAI во расудувањето и планирањето

Јан ЛеКун, главен научник за вештачка интелигенција во Мета постојано нагласи дека ограничувањата во способностите на генеративната вештачка интелигенција за расудување и планирање во голема мера се должат на поедноставената природа на тековните методологии за обука. Тој тврди дека овие традиционални методи првенствено се концентрираат на предвидување на следниот збор или пиксел, наместо да развиваат стратегиско размислување и вештини за планирање. ЛеКун ја нагласува потребата од понапредни техники за обука кои ја поттикнуваат вештачката интелигенција да ги процени можните решенија, да формулира акциони планови и да ги разбере импликациите од нејзините избори. Тој откри дека Мета активно работи на овие софистицирани стратегии за да им овозможи на системите за вештачка интелигенција самостојно да управуваат со сложени задачи, како што е оркестрирање на секој елемент од патувањето од канцеларија во Париз до друга во Њујорк, вклучувајќи го и патувањето до аеродромот.

Во меѓувреме, OpenAI, познат по сериите GPT и ChatGPT, беше во центарот на вниманието поради својот таен проект познат како Кју-ѕвезда. Иако спецификите се оскудни, името на проектот навестува можна комбинација од Q-learning и A-star алгоритми, важни алатки во учењето и планирањето за засилување. Оваа иницијатива се усогласува со тековните напори на OpenAI за подобрување на способностите за расудување и планирање на своите GPT модели. Последните извештаи од Фајненшл тајмс, врз основа на дискусиите со извршните директори и од Мета и од OpenAI, ја нагласуваат заедничката посветеност на овие организации за понатамошно развивање на модели на вештачка интелигенција кои добро функционираат во овие клучни когнитивни домени.

Трансформативни ефекти на засилено расудување во системи со вештачка интелигенција

Бидејќи OpenAI и Meta продолжуваат да ги подобруваат своите основни модели на вештачка интелигенција со способности за расудување и планирање, овие случувања се подготвени значително да го прошират потенцијалот на системите за вештачка интелигенција. Ваквите достигнувања може да доведат до големи откритија во вештачката интелигенција, со следните потенцијални подобрувања:

• Подобрено решавање проблеми и донесување одлуки: Системите за вештачка интелигенција подобрени со способности за расудување и планирање се подобро опремени да се справат со сложени задачи кои бараат разбирање на активностите и нивните последици со текот на времето. Ова може да доведе до напредок во стратешката игра, логистичкото планирање и автономните системи за донесување одлуки кои бараат нијансирано разбирање на причината и последицата.
• Зголемена применливост низ домени: Со надминување на ограничувањата на учењето специфични за доменот, овие модели на вештачка интелигенција би можеле да ги применат своите вештини за расудување и планирање во различни области како што се здравството, финансиите и урбаното планирање. Оваа разновидност ќе и овозможи на ВИ ефикасно да се справува со предизвиците во средини значително различни од оние во кои првично биле обучени.
• Намалена зависност од големи групи на податоци: Придвижувањето кон модели кои можат да расудуваат и планираат со минимални податоци ја одразува човечката способност брзо да учи од неколку примери. Ова намалување на потребите за податоци го намалува и пресметковното оптоварување и потребите за ресурси за обука на системите за вештачка интелигенција, а истовремено ја зголемува нивната брзина во прилагодувањето на новите задачи.
• Чекори кон вештачка општа интелигенција (AGI): Овие основни модели за расудување и планирање нè доближуваат до постигнување AGI, каде што машините еден ден би можеле да извршат каква било интелектуална задача што може човек. Оваа еволуција во способностите на вештачката интелигенција може да доведе до значителни општествени влијанија, предизвикувајќи нови дискусии за етичките и практичните размислувања на интелигентните машини во нашите животи.

Во крајна линија

OpenAI и Meta се во првите редови во развојот на следната генерација на вештачка интелигенција, фокусирана на подобрување на способностите за расудување и планирање. Овие подобрувања се клучни за приближување до Вештачката општа интелигенција (AGI), со цел да се опремат системите за вештачка интелигенција за да се справат со сложени задачи кои бараат сложено разбирање на поширокиот контекст и долгорочните последици.

Со рафинирање на овие способности, вештачката интелигенција може да се примени пошироко во различни области како што се здравството, финансиите и урбаното планирање, намалувајќи ја зависноста од големи збирки податоци и подобрувајќи ја приспособливоста. Овој напредок не само што ветува проширување на практичните апликации на вештачката интелигенција, туку и нè носи поблиску до иднината каде што вештачката интелигенција би можела да работи подеднакво способно како луѓето во сите интелектуални задачи, предизвикувајќи важни разговори за интеграцијата на вештачката интелигенција во секојдневниот живот.