Hva kan ChatGPT fortelle oss om utviklingen av kunstig intelligens?

I det siste tiåret har kunstig intelligens (AI) fremkalt både drømmer om en massiv transformasjon i teknologiindustrien og en dyp angst rundt dens potensielle konsekvenser. Elon Musk, en ledende stemme i teknologibransjen, har demonstrert denne dualiteten. Han lover samtidig en verden av autonome AI-drevne biler advarer oss av risikoene forbundet med kunstig intelligens, og krever til og med en pause i utviklingen av kunstig intelligens. Dette er spesielt ironisk med tanke på at Musk var en tidlig investor i OpenAI, grunnlagt i 2015.

En av de mest spennende og bekymringsfulle utviklingene på den nåværende bølgen av AI-forskning er autonom AI. Autonome AI-systemer kan utføre oppgaver, ta beslutninger og tilpasse seg nye situasjoner på egen hånd, uten kontinuerlig menneskelig tilsyn eller oppgave-for-oppgave-programmering. Et av de mest kjente eksemplene for øyeblikket er ChatGPT, en viktig milepæl i utviklingen av kunstig intelligens. La oss se på hvordan ChatGPT ble til, hvor det er på vei, og hva teknologien kan fortelle oss om fremtiden til AI.

Bygger mot autonom AI

Historien om kunstig intelligens er en fengslende historie om fremgang og samarbeid på tvers av disipliner. Det begynte på begynnelsen av 20-tallet med pionerarbeidet til Santiago Ramón y Cajal, en nevrovitenskapsmann som brukte sin forståelse av den menneskelige hjernen til å lage konseptet med nevrale nettverk, en hjørnestein i moderne AI. Nevrale nettverk er datasystemer som emulerer strukturen til den menneskelige hjernen og nervesystemet for å produsere maskinbasert intelligens. En tid senere var Alan Turing opptatt med å utvikle den moderne datamaskinen og foreslå Turing-testen, et middel for å vurdere om en maskin kunne vise menneskelignende intelligent oppførsel. Denne utviklingen ansporet en bølge av interesse for AI.

Som et resultat av 1950-årene så John McCarthy, Marvin Minsky og Claude Shannon utforske utsiktene til AI, og Frank Rosenblatt laget begrepet «kunstig intelligens». De følgende tiårene så to store gjennombrudd. Det første var ekspertsystemer, som er AI-systemer som er individuelt designet for å utføre nisje, bransjespesifikke oppgaver. Den andre var applikasjoner for naturlig språkbehandling, som tidlige chatbots. Med ankomsten av store datasett og stadig bedre datakraft på 2000- og 2010-tallet, blomstret maskinlæringsteknikker, noe som førte oss til autonom AI.

Dette viktige trinnet gjør det mulig for AI-systemer å utføre komplekse oppgaver uten behov for programmering fra sak til sak, og åpner dem for et bredt spekter av bruksområder. Et slikt autonomt system – Chat GPT fra OpenAI – har selvfølgelig nylig blitt viden kjent for sin fantastiske evne til å lære av enorme mengder data og generere sammenhengende, menneskelignende svar.

Hva gjorde autonom AI mulig?

Så hva er grunnlaget for ChatGPT? Vi mennesker har to grunnleggende evner som gjør oss i stand til å tenke. Vi besitter kunnskap, enten det handler om fysiske objekter eller konsepter, og vi har en forståelse av disse tingene i forhold til komplekse strukturer som språk, logikk osv. Å kunne overføre den kunnskapen og forståelsen til maskiner er en av de tøffeste utfordringene i AI .

Med kunnskap alene kunne ikke OpenAIs GPT-4-modell håndtere mer enn én enkelt informasjon. Med kontekst alene kunne ikke teknologien forstå noe om objektene eller konseptene den kontekstualiserte. Men kombiner begge deler, og noe bemerkelsesverdig skjer. Modellen kan bli autonom. Den kan forstå og lære. Bruk det på tekst, og du har ChatGPT. Bruk det på biler, og du har autonom kjøring, og så videre.

OpenAI er ikke alene på sitt felt, og mange selskaper har utviklet maskinlæringsalgoritmer og brukt nevrale nettverk for å produsere algoritmer som kan håndtere både kunnskap og kontekst i flere tiår. Så hva endret seg da ChatGPT kom på markedet? Noen mennesker har pekt på den svimlende mengden data levert av internett som den store endringen som drev ChatGPT. Men hvis det var alt som var nødvendig, er det sannsynlig at Google ville ha slått OpenAI på grunn av Googles dominans over alle disse dataene. Så hvordan gjorde OpenAI det?

Et av OpenAIs hemmelige våpen er et nytt verktøy kalt forsterkende læring fra menneskelig tilbakemelding (RLHF). OpenAI brukte RHLF for å trene OpenAI-algoritmen til å forstå både kunnskap og kontekst. OpenAI skapte ikke ideen om RLHF, men selskapet var blant de første som stolte så fullstendig på den for utviklingen av en stor språkmodell (LLM) som ChatGPT.

RLHF tillot ganske enkelt algoritmen å selvkorrigere basert på tilbakemelding. Så mens ChatGPT er autonom i hvordan den produserer et første svar på en forespørsel, har den et tilbakemeldingssystem som lar den vite om svaret var nøyaktig eller på en eller annen måte problematisk. Det betyr at den hele tiden kan bli bedre og bedre uten betydelige programmeringsendringer. Denne modellen resulterte i et raskt lærende chatsystem som raskt tok verden med storm.

Vil autonom AI erstatte menneskelige arbeidere?

Den nye tiden med autonom AI har begynt. Tidligere hadde vi maskiner som til en viss grad kunne forstå ulike konsepter, men bare i svært spesifikke domener og bransjer. For eksempel har industrispesifikk AI-programvare blitt brukt i medisin i noen tid. Men søket etter autonom eller generell AI – altså AI som kan fungere på egen hånd for å utføre et bredt spekter av oppgaver på ulike felt med en grad av menneskelignende intelligens – ga endelig globale bemerkelsesverdige resultater i 2022, da Chat GPT praktisk og bestemt besto Turing-prøven.

Forståelig nok begynner noen mennesker å frykte at deres ekspertise, jobb og til og med unike menneskelige egenskaper kan bli erstattet av intelligente AI-systemer som ChatGPT. På den annen side er det å bestå Turing-testen ikke en ideell indikator for hvor "menneskelignende" et bestemt AI-system kan være.

For eksempel argumenterer Roger Penrose, som vant Nobelprisen i fysikk i 2020, at det å bestå Turing-testen ikke nødvendigvis indikerer ekte intelligens eller bevissthet. Han argumenterer for at det er en grunnleggende forskjell mellom måten datamaskiner og mennesker behandler informasjon på, og at maskiner aldri vil kunne replikere den typen menneskelige tankeprosesser som gir opphav til bevissthet.

Så å bestå Turing-testen er ikke et sant mål på intelligens, fordi det bare tester en maskins evne til å imitere menneskelig atferd, snarere enn dens evne til å virkelig forstå og resonnere om verden. Ekte intelligens krever bevissthet og evne til å forstå virkelighetens natur, som ikke kan replikeres av en maskin. Det betyr at, langt fra å erstatte oss, vil ChatGPT og annen lignende programvare ganske enkelt gi verktøy for å hjelpe oss med å forbedre og øke effektiviteten på en rekke felt.

Avsluttende tanker

Så, maskiner vil være i stand til å utføre mange oppgaver autonomt, på måter vi aldri trodde var mulig fra å forstå og skrive innhold, til å sikre enorme mengder informasjon, utføre delikate operasjoner og kjøre bilene våre. Men foreløpig, i det minste i denne teknologiske tidsalder, trenger ikke dyktige arbeidere å frykte for jobbene sine. Selv autonome AI-systemer har ikke menneskelig intelligens. De kan bare forstå og prestere bedre enn oss mennesker på visse oppgaver. De er ikke mer intelligente enn oss totalt sett, og de utgjør ikke en betydelig trussel mot vår livsstil; i hvert fall ikke i denne bølgen av AI-utvikling.