Таны AI технологийн стекийн төвлөрлийг сааруулах тохиолдол

Хиймэл оюун ухааны хөгжлийн талаарх ярианы ихэнх хэсэг нь футурист болон гүн ухааны мэтгэлцээнд давамгайлж байна. Бид ерөнхий хиймэл оюун ухаанд хандах ёстой, AI хаана хүн шиг ямар ч ажлыг гүйцэтгэх хангалттай дэвшилттэй болох вэ? Энэ нь бүр боломжтой юу?

Хэдийгээр Q-star загвар зэрэг дэвшилтүүдтэй холбоотойгоор хурдатгал ба удаашралын тухай хэлэлцэх нь чухал бөгөөд цаг үеэ олсон зүйл боловч бусад талууд бас чухал юм. Гол нь технологийн стекийн төвлөрлийг сааруулахын ач холбогдол, үүнийг хэт их зардал гаргахгүйгээр яаж хийх вэ. Эдгээр хоёр сорилт нь хоорондоо зөрчилддөг: загвар бүтээх, ашиглах нь гайхалтай үнэтэй боловч нэг загварт хэт найдах нь урт хугацаанд хор хөнөөл учруулж болзошгүй юм. Би хиймэл оюун ухааныг үүсгэн байгуулагчийн хувьд энэ сорилтыг мэднэ.

Оюун ухааныг бий болгохын тулд танд авьяас, өгөгдөл, өргөтгөх боломжтой тооцоолол хэрэгтэй. Зах зээлд гаргах хугацааг хурдасгаж, бага зардлаар илүү ихийг бүтээхийн тулд олон компаниуд эхнээс нь босгохын оронд одоо байгаа загварууд дээр тулгуурлан бүтээхийг сонгох болно. Таны барьж буй зүйл маш их нөөц шаарддаг үед арга барил нь утга учиртай болно. Програм хангамжаас ялгаатай нь AI-ийн ихэнх ололтууд нь илүү том хэмжээс нэмсэнээр хийгдсэн бөгөөд энэ нь илүү их тооцоолох хүч, улмаар зардал шаарддаг.

Гэхдээ таны шийдлийг бий болгосон компани засаглалын доголдол эсвэл бүтээгдэхүүн тасалдсан тохиолдолд яах вэ? Практик талаас нь авч үзвэл бүтээгдэхүүнээ бүтээхийн тулд нэг загварт найдах нь та одоо болж буй аливаа зүйлийн сөрөг долгионы нөлөөний нэг хэсэг болж байна гэсэн үг юм.

Магадлалтай системтэй ажиллах эрсдэлийг бид бас санах ёстой. Бид үүнд дасаагүй бөгөөд одоог хүртэл бидний амьдарч буй ертөнц нь тодорхой хариулттай ажиллахаар зохион бүтээгдсэн. Загварууд нь гаралтын хувьд уян хатан байдаг бөгөөд компаниуд загвараа байнга өөрчилдөг бөгөөд энэ нь эдгээрийг дэмжихийн тулд таны бичсэн код болон таны үйлчлүүлэгчдийн найдаж буй үр дүн таны мэдэлгүйгээр, хяналтгүйгээр өөрчлөгдөж болно гэсэн үг юм.

Төвлөрөл нь нэг л доголдол үүсгэдэг учраас аюулгүй байдлын асуудал үүсгэдэг. Компани бүр өөрийн эрх ашгийн төлөө ажилладаг. Хэрэв загварт аюулгүй байдал эсвэл эрсдэлтэй холбоотой асуудал байгаа бол та энэ асуудлыг засах хяналт багатай эсвэл өөр хувилбаруудыг ашиглах боломжгүй болно.

Энэ нь биднийг хаашаа орхих вэ?

AI бидний амьдралыг сайжруулах нь дамжиггүй. Энэ нь бид хэрхэн мэдээлэл цуглуулахаас эхлээд асар их хэмжээний өгөгдлийг хэрхэн ойлгох хүртэл маш их зүйлд хүрч, засах чадвартай байдаг. Гэхдээ энэ боломж бас эрсдэл дагуулдаг. Хэрэв бид нэг загварт хэт найдвал бүх компаниуд аюулгүй байдал, бүтээгдэхүүний сорилтод өөрсдийгөө нээж өгдөг.

Үүнийг засахын тулд бид дүгнэлтийн зардлыг бууруулж, компаниудад олон загварт хандах хандлагыг хялбар болгох хэрэгтэй. Мэдээжийн хэрэг, бүх зүйл өгөгдөлд ирдэг. Өгөгдөл болон өгөгдлийн эзэмшил чухал байх болно. Өгөгдөл нь илүү өвөрмөц, өндөр чанартай, хүртээмжтэй байх тусам илүү ашигтай байх болно.

Олон асуудлын хувьд та тодорхой програмын загваруудыг оновчтой болгох боломжтой. AI-ийн сүүлчийн миль бол эдгээр өөр загварууд дээр чиглүүлэлтийн логик, үнэлгээ, зохион байгуулалтын давхаргыг бий болгож, өөр өөр босоо чиглэлд мэргэшүүлдэг компаниуд юм.

Энэ орон зайд хэд хэдэн томоохон хөрөнгө оруулалт хийгдсэн нь биднийг энэ зорилгод ойртуулж байна. Mistal-ийн саяхны (болон гайхалтай) санхүүжилтийн тойрог нь OpenAI хувилбар руу чиглэсэн ирээдүйтэй хөгжил юм. Мөн бусад хиймэл оюуны үйлчилгээ үзүүлэгч компаниудад тусгай техник хангамж, програм хангамж, загвар нэрэлтийг ашиглан хөндлөн загварчлалыг бодит болгох, дүгнэлт гаргах зардлыг бууруулахад тусалдаг компаниуд байдаг.

Мөн бид нээлттэй эх сурвалжийг хөгжүүлэхийг харж, төрийн байгууллагууд нээлттэй эх сурвалжийг нээлттэй байлгах боломжийг олгох ёстой. Нээлттэй эхийн загваруудын хувьд илүү хяналттай байх нь илүү хялбар байдаг. Гэсэн хэдий ч гүйцэтгэлийн зөрүү байсаар байна.

Таныг бага насны загварууд нь илүү нарийн төвөгтэй ажлуудыг гүйцэтгэхийн тулд оновчтой болгосон, харин том супер ухаалаг загварууд нь шинэчлэлт хийх зорилгуудын үүрэг гүйцэтгэж, илүү төвөгтэй асуудлыг шийдвэрлэхэд илүү их тооцоолол хийх болно гэж би бодож байна. Харилцагчийн үйлчилгээний хүсэлтэд хариу өгөхийн тулд танд их наяд параметрийн загвар хэрэггүй болно. Үүнийг би дадлагажигч хүний ​​дааж чадах ажлыг удирдах албан тушаалтан удирддаггүйтэй адилтгадаг. Бид хүний ​​хувьд олон үүрэг гүйцэтгэдэгтэй адил ихэнх компаниуд янз бүрийн түвшний боловсронгуй загваруудын цуглуулгад найдах болно.

Энэ тэнцвэрт байдалд хүрэхийн тулд цаг хугацаа, тооцооллын нарийн төвөгтэй байдал, зардал, шаардагдах цар хүрээ зэргийг харгалзан тодорхой ажлын задаргаа, харьцуулалт хийх шаардлагатай. Хэрэглээний нөхцөл байдлаас хамааран та зохих ёсоор эрэмбэлэх боломжтой. Үндсэн үнэн, харьцуулалт хийхэд тохиромжтой үр дүн, оролт гаралтын жишээг тодорхойлсноор та оновчтой болгох, үндсэн үнэнд хамгийн ойр үр дүнд хүрэхийн тулд янз бүрийн сануулгыг ажиллуулж болно.

Хэрэв хиймэл оюун ухааны компаниуд технологийн стекийн төвлөрлийг амжилттай сааруулж, олон загвар дээр тулгуурлан бүтээж чадвал бид эдгээр хэрэгслийн аюулгүй байдал, найдвартай байдлыг сайжруулж, улмаар хиймэл оюун ухааны эерэг нөлөөллийг нэмэгдүүлэх боломжтой. Бид онолын мэтгэлцээний газар байхаа больсон - эдгээр технологийг илүү үр дүнтэй, уян хатан болгохын тулд хиймэл оюун ухааныг хэрхэн ажиллуулах вэ гэдэгт анхаарлаа хандуулах цаг болжээ.