Następna generacja sztucznej inteligencji: OpenAI i Meta w kierunku maszyn do rozumowania

OpenAI i Meta, pionierzy w dziedzinie generatywnej sztucznej inteligencji, są blisko uruchomienia swojej następnej generacji sztucznej inteligencji (AI). Ta nowa fala AI ma poprawić możliwości w zakresie rozumowania i planowania, co oznacza znaczne postępy w kierunku rozwoju sztucznej inteligencji ogólnej. Artykuł ten opisuje te nadchodzące innowacje i potencjalną przyszłość, którą one zapowiadają.

Przygotowując grunt pod sztuczną inteligencję ogólną

W ciągu ostatnich kilku lat, OpenAI i Meta dokonali znacznych postępów w rozwoju modeli AI podstawowych, które są niezbędne do zastosowań AI. Postępy te wynikają z strategii szkolenia AI generatywnej, w której modele uczą się przewidywać brakujące słowa i piksele. Chociaż ta metoda umożliwiła AI generatywnej dostarczanie imponująco płynnych wyników, nie dostarcza głębokiego zrozumienia kontekstu ani solidnych umiejętności rozwiązywania problemów, które wymagają zdrowego rozsądku i planowania strategicznego. W związku z tym, gdy próbuje się rozwiązać złożone zadania lub wymaga się nuansowanego zrozumienia, te podstawowe modele AI często nie są w stanie dostarczyć dokładnych odpowiedzi. To ograniczenie podkreśla potrzebę dalszych postępów w kierunku rozwoju sztucznej inteligencji ogólnej (AGI).

Ponadto, poszukiwanie AGI ma na celu rozwój systemów AI, które dorównują wydajności uczenia, adaptacji i zdolnościom aplikacyjnym obserwowanym u ludzi i zwierząt. Prawdziwa AGI wymagałaby systemów, które mogą intuicyjnie przetwarzać minimalne dane, szybko adaptować się do nowych sytuacji i przenosić wiedzę na różne sytuacje – umiejętności, które wynikają z wrodzonego zrozumienia złożoności świata. Aby AGI była skuteczna, zaawansowane możliwości rozumowania i planowania są niezbędne, umożliwiając jej wykonywanie połączonych zadań i przewidywanie skutków jej działań. Ten postęp w AI ma na celu rozwiązanie obecnych słabości, rozwijając głębszą, bardziej kontekstową formę inteligencji, zdolną do zarządzania złożonościami rzeczywistych wyzwań.

Ku solidnemu modelowi rozumowania i planowania dla AGI

Tradycyjne metody wprowadzania zdolności rozumowania i planowania w AI, takie jak metody symboliczne i uczenie wzmocnienia, napotykają znaczne trudności. Metody symboliczne wymagają konwersji naturalnie wyrażonych problemów w ustrukturyzowane, symboliczne reprezentacje – proces, który wymaga znacznej wiedzy i jest bardzo wrażliwy na błędy, gdzie nawet niewielkie nieścisłości mogą prowadzić do głównych awarii. Uczenie wzmocnienia (RL) z kolei często wymaga obszernych interakcji ze środowiskiem, aby rozwijać skuteczne strategie, co może być niepraktyczne lub zbyt drogie, gdy pozyskiwanie danych jest powolne lub drogie.

Aby pokonać te przeszkody, ostatnie postępy koncentrują się na udoskonaleniu podstawowych modeli AI o zaawansowane zdolności rozumowania i planowania. Osiąga się to zwykle poprzez włączanie przykładów zadań rozumowania i planowania bezpośrednio do kontekstu wejściowego modelu podczas inferencji, wykorzystując metodę zwaną nauką w kontekście. Chociaż ten podejście wykazało potencjał, generalnie działa dobrze tylko w prostych, bezpośrednich scenariuszach i napotyka trudności w przenoszeniu tych zdolności na różne dziedziny – podstawowy wymóg dla osiągnięcia sztucznej inteligencji ogólnej (AGI). Te ograniczenia podkreślają potrzebę rozwoju podstawowych modeli AI, które mogą rozwiązać szerszy zakres złożonych i różnorodnych wyzwań świata rzeczywistego, tym samym rozwijając poszukiwanie AGI.

Nowe fronty Meta i OpenAI w rozumowaniu i planowaniu

Yann LeCun, główny naukowiec AI w Meta, konsekwentnie podkreślał, że ograniczenia w zdolnościach AI do rozumowania i planowania są w dużej mierze spowodowane prostą naturą obecnych metod szkolenia. Twierdzi, że te tradycyjne metody koncentrują się głównie na przewidywaniu następnego słowa lub piksela, a nie na rozwijaniu strategicznego myślenia i planowania. LeCun podkreśla konieczność bardziej zaawansowanych technik szkolenia, które zachęcają AI do oceny możliwych rozwiązań, formułowania planów działania i zrozumienia implikacji swoich wyborów. Ujawnił, że Meta aktywnie pracuje nad tymi zaawansowanymi strategiami, aby umożliwić systemom AI samodzielne zarządzanie złożonymi zadaniami, takimi jak koordynowanie każdego elementu podróży z biura w Paryżu do innego w Nowym Jorku, w tym dojazdu na lotnisko.

Tymczasem OpenAI, znany ze swojej serii GPT i ChatGPT, był w centrum uwagi ze względu na swój tajemniczy projekt znany jako Q-star. Chociaż szczegóły są rzadkie, nazwa projektu sugeruje możliwą kombinację algorytmów Q-learning i A-star, ważnych narzędzi w uczeniu wzmocnienia i planowaniu. Ten projekt jest zgodny z ciągłymi wysiłkami OpenAI, aby poprawić zdolności rozumowania i planowania w swoich modelach GPT. Ostatnie raporty z Financial Times, oparte na rozmowach z dyrektorami zarządzającymi z Meta i OpenAI, podkreślają wspólne zaangażowanie tych organizacji w dalszy rozwój modeli AI, które radzą sobie dobrze w tych kluczowych dziedzinach poznawczych.

Przekształcające efekty udoskonalonego rozumowania w systemach AI

Podczas gdy OpenAI i Meta kontynuują udoskonalanie swoich podstawowych modeli AI o zdolności rozumowania i planowania, te rozwój jest w stanie znacznie rozszerzyć potencjał systemów AI. Takie postępy mogą prowadzić do głównych przełomów w sztucznej inteligencji, z następującymi potencjalnymi ulepszeniami:

• Poprawione rozwiązywanie problemów i podejmowanie decyzji: Systemy AI udoskonalone o zdolności rozumowania i planowania są lepiej przygotowane do radzenia sobie z złożonymi zadaniami, które wymagają zrozumienia działań i ich konsekwencji w czasie. Może to prowadzić do postępów w strategicznej grze, planowaniu logistycznym i systemach podejmowania decyzji autonomicznych, które wymagają nuansowanego zrozumienia przyczyny i skutku.
• Zwiększona stosowalność w różnych dziedzinach: Przezwyciężając ograniczenia uczenia się specyficznego dla danej dziedziny, te modele AI mogą stosować swoje zdolności rozumowania i planowania w różnych dziedzinach, takich jak opieka zdrowotna, finanse i planowanie urbanistyczne. Ta wszechstronność pozwoli AI skutecznie rozwiązywać wyzwania w środowiskach znacznie różniących się od tych, w których zostały początkowo przeszkolone.
• Zmniejszona zależność od dużych zbiorów danych: Przechodzenie w kierunku modeli, które mogą rozumować i planować z minimalnymi danymi, odzwierciedla ludzką zdolność szybkiego uczenia się z niewielu przykładów. To zmniejszenie potrzeb danych obniża obciążenie obliczeniowe i wymagania zasobowe szkolenia systemów AI, a także zwiększa ich szybkość adaptacji do nowych zadań.
• Kroki w kierunku sztucznej inteligencji ogólnej (AGI): Te podstawowe modele dla rozumowania i planowania przybliżają nas do osiągnięcia AGI, gdzie maszyny mogą kiedyś wykonywać każde zadanie intelektualne, które może wykonać człowiek. Ta ewolucja w zdolnościach AI może prowadzić do znacznych wpływów społecznych, wywołując nowe dyskusje na temat etycznych i praktycznych aspektów inteligentnych maszyn w naszym życiu.

Podsumowanie

OpenAI i Meta są na czele rozwoju następnej generacji AI, koncentrując się na udoskonaleniu zdolności rozumowania i planowania. Te ulepszenia są kluczem do zbliżania się do sztucznej inteligencji ogólnej (AGI), mającej na celu wyposażenie systemów AI w możliwość radzenia sobie z złożonymi zadaniami, które wymagają złożonego zrozumienia szerszego kontekstu i długoterminowych konsekwencji.

Poprzez udoskonalanie tych zdolności, AI może być stosowana szerzej w różnych dziedzinach, takich jak opieka zdrowotna, finanse i planowanie urbanistyczne, zmniejszając zależność od dużych zbiorów danych i poprawiając adaptacyjność. Ten postęp nie tylko obiecuje rozszerzyć praktyczne zastosowania AI, ale także przybliża nas do przyszłości, w której AI może działać tak samo skutecznie jak ludzie we wszystkich zadaniach intelektualnych, wywołując ważne dyskusje na temat integracji AI w codziennym życiu.