Naha GPT-4 mangrupikeun Kabisat Maju Pikeun Ngahontal AGI?

Microsoft nembe ngaluarkeun makalah panalungtikan anu judulna: Sparks of Artificial General Intelligence: percobaan awal jeung GPT-4. Sakumaha anu dijelaskeun ku Microsoft:

Kertas ieu ngalaporkeun on panalungtikan urang tina versi awal GPT-4, nalika éta kénéh dina ngembangkeun aktip ku OpenAI. Urang contend yén (versi awal ieu) GPT-4 mangrupa bagian ti cohort anyar LLMs (sareng jeung ChatGPT na Google PaLM contona) nu némbongkeun kecerdasan leuwih umum ti model AI saméméhna.

Dina makalah ieu, aya bukti konklusif anu nunjukkeun yén GPT-4 langkung tebih saluareun pangémutan, sareng éta gaduh pamahaman anu jero sareng fleksibel ngeunaan konsép, kaahlian, sareng domain. Nyatana, kamampuan pikeun ngageneralisasi jauh langkung seueur tibatan manusa anu hirup ayeuna.

Sedengkeun kami geus saméméhna dibahas dina keuntungan AGI, urang kedah gancang nyimpulkeun konsensus umum ngeunaan naon sistem AGI. Intina, AGI mangrupikeun jinis AI canggih anu tiasa ngageneralisasi dina sababaraha domain sareng henteu sempit dina wengkuan. Conto AI sempit kalebet kendaraan otonom, chatbot, bot catur, atanapi AI sanés anu dirancang pikeun hiji tujuan.

Hiji AGI di ngabandingkeun bakal tiasa flexibly alternatif antara salah sahiji di luhur atawa widang kaahlian séjén. Éta mangrupikeun AI anu bakal ngamangpaatkeun algoritma nascent sapertos mindahkeun diajar, sareng diajar évolusionér, bari ogé ngamangpaatkeun algoritma warisan sapertos pangajaran penguatan jero.

Katerangan di luhur ngeunaan AGI cocog sareng pangalaman pribadi kuring nganggo GPT-4, ogé bukti anu dibagikeun dina makalah panalungtikan anu dikaluarkeun ku Microsoft.

Salah sahiji ajakan anu digariskeun dina makalah nyaéta pikeun GPT-4 nyerat bukti kateupastian bilangan prima dina wangun sajak.

Upama urang nganalisis sarat-sarat pikeun nyieun sajak saperti kitu, urang sadar yén éta téh merlukeun pamarekan matematis, éksprési puisi, jeung generasi basa nu alamiah. Ieu mangrupikeun tantangan anu bakal ngaleuwihan kamampuan rata-rata kalolobaan manusa.

Tulisan éta hoyong ngartos upami GPT-4 ngan ukur ngahasilkeun kontén dumasar kana pangémutan umum versus pamahaman konteks sareng tiasa nalar. Nalika dipenta pikeun nyieun deui sajak dina gaya Shakespeare éta bisa ngalakukeunana. Ieu merlukeun tingkat multifaceted pamahaman anu jauh ngaleuwihan kamampuh populasi umum tur ngawengku téori pikiran jeung genius matematik.

Kumaha Ngitung GPT-4 Intelijen?

Patarosan teras janten kumaha urang tiasa ngukur intelegensi hiji LLM? Sareng naha GPT-4 nunjukkeun paripolah diajar anu leres atanapi ngan ukur ngapalkeun?

Cara ayeuna pikeun nguji sistem AI nyaéta ku cara ngevaluasi sistem dina set set data patokan standar, sareng mastikeun yén aranjeunna bebas tina data pelatihan sareng nutupan sajumlah tugas sareng domain. Jenis tés ieu ampir teu mungkin kusabab kuantitas data anu ampir henteu terbatas anu dilatih ku GPT-4.

Makalah ngabahas ngahasilkeun novel sareng tugas / patarosan anu sesah anu nunjukkeun sacara yakin yén GPT-4 langkung tebih saluareun pangémutan, sareng éta gaduh pamahaman anu jero sareng fleksibel ngeunaan konsép, kaahlian, sareng domain.

Lamun datang kecerdasan, GPT-4 bisa ngahasilkeun carita pondok, skenario, sarta bisa ngitung rumus paling pajeulit.

GPT-4 ogé tiasa ngadamel kode dina tingkat anu luhur, boh dina hal nyerat kode tina petunjuk sareng ngartos kode anu aya. GPT-4 tiasa ngadamel rupa-rupa tugas coding, ti
tantangan coding kana aplikasi dunya nyata, ti assembly-tingkat low mun frameworks-tingkat tinggi, ti struktur data basajan pikeun program kompléks kayaning kaulinan. GPT-4 ogé bisa alesan ngeunaan palaksanaan kode, simulate efek parentah, sarta ngajelaskeun hasil dina basa alam. GPT-4 malah tiasa ngaéksekusi pseudocode,

GPT-4 tiasa nawiskeun réspon rasional kana ampir sagala ajakan anu dipasihkeun. Kanyataanna, kecerdasan éta ampir teu bisa dielehkeun dina pajeulitna.

GPT-4 Watesan

Makalah teras neraskeun ngajelaskeun kumaha aranjeunna usik réspon sareng paripolah GPT-4, pikeun pariksa konsistensi, kohérénsi, sareng kabeneran, sareng pikeun ngungkabkeun watesan sareng biasna.

Watesan anu paling jelas nyaéta na kacenderungan pikeun halusinasi. Ieu conto halusinasi anu dipasihkeun dina kertas dimana GPT-4 yakin kana jawabanana anu leres-leres palsu.

Katingalina bahkan GPT-4 ngartos watesan ayeuna ieu sareng halusinasi sabab ieu mangrupikeun réspon anu dipasihkeun nalika kuring naroskeun naon éta halusinasi GPT:

Halusinasi GPT nujul kana fenomena dimana model Generative Pre-trained Transformer (GPT), kawas nu ayeuna keur interaksi jeung anjeun, ngahasilkeun respon nu teu dumasar kana informasi faktual atawa teu koheren jeung konteks disadiakeun. Halusinasi ieu lumangsung nalika modél ngahasilkeun téks anu sigana masuk akal tapi sabenerna salah, nyasabkeun, atawa nonsensical.

Kalayan kecap sanésna nalika anjeun ngalatih LLM AI dina data dunya, kumaha anjeun ngahindarkeun sistem diajar data anu salah? Hiji model basa badag diajar sarta regurgitating misinformation, sarta téori konspirasi sabenerna bisa jadi salah sahiji pitfalls panggedéna jeung ancaman nu umat manusa nyanghareup kalayan nyoko skala badag LLMs. Ieu saleresna tiasa janten salah sahiji ancaman anu langkung ageung ti AGI, anu matak kaget nalika ngabahas bahaya AGI.

GPT-4 Bukti Intelijen

Tulisan éta nunjukkeun yén henteu masalah naon jinis paréntah kompleks anu diarahkeun ka éta, GPT-4 bakal ngaleuwihan ekspektasi. Sakumaha anu dinyatakeun dina makalah:

Pangawasa basa alam anu teu aya tandinganana. Éta henteu ngan ukur tiasa ngahasilkeun téks anu lancar sareng koheren, tapi ogé ngartos sareng ngamanipulasi ku sababaraha cara, sapertos nyimpulkeun, narjamahkeun, atanapi ngajawab sakumpulan patarosan anu lega pisan. Sumawona, ku narjamahkeun urang hartosna lain ngan antara basa alam béda tapi ogé tarjamah dina nada jeung gaya, kitu ogé sakuliah domain kayaning ubar, hukum, akuntansi, programming komputer, musik, sareng nu sanesna.

ulasan teknis bohongan dibikeun ka GPT-4, éta gampang lulus hartina dina konteks ieu lamun ieu manusa dina tungtung séjén yén maranéhna bakal langsung jadi hired salaku insinyur software. Hiji tés awal sarupa kompetensi GPT-4 urang dina Multistate Bar Ujian némbongkeun akurasi luhur 70%. Ieu ngandung harti yén dina mangsa nu bakal datang urang bisa ngajadikeun otomatis loba tugas nu ayeuna dibikeun ka ahli hukum. Malah aya sababaraha startups anu ayeuna digawé pikeun nyieun ahli hukum robot ngagunakeun GPT-4.

Ngahasilkeun Pangaweruh Anyar

Salah sahiji argumen dina makalah éta hiji-hijina hal anu ditinggalkeun pikeun GPT-4 pikeun ngabuktikeun tingkat pamahaman anu leres nyaéta pikeun ngahasilkeun pangaweruh anyar, sapertos ngabuktikeun téoréma matematika énggal, prestasi anu ayeuna tetep teu tiasa dicapai pikeun LLM.

Lajeng deui ieu teh grail suci hiji AGI. Sanaos aya bahaya nalika AGI dikontrol ku panangan anu salah, pedah AGI tiasa gancang nganalisis sadaya data sajarah pikeun mendakan téoréma, panyembuhan sareng pangobatan énggal ampir teu aya watesna.

AGI tiasa janten tautan anu leungit pikeun milari ubar pikeun panyakit genetik langka anu ayeuna kakurangan dana industri swasta, pikeun ngubaran kanker sakali sareng kanggo sadayana, sareng pikeun maksimalkeun efisiensi kakuatan anu tiasa dianyari pikeun ngaleungitkeun katergantungan urang kana énergi anu teu lestari. Malah bisa ngajawab sagala masalah consequential nu fed kana sistem AGI. Ieu naon Sam Altman jeung jeung tim di OpenAI ngarti, hiji AGI sabenerna penemuan panungtungan anu dipikabutuh pikeun ngarengsekeun kalolobaan masalah sareng nguntungkeun umat manusa.

Tangtu nu teu ngajawab masalah tombol nuklir anu ngadalikeun AGI, sarta naon niat maranéhanana. Paduli ieu keretas ngalakukeun padamelan anu luar biasa anu nyatakeun yén GPT-4 mangrupikeun kabisat maju pikeun ngahontal impian peneliti AI. saprak 1956, nalika awal Dartmouth Summer Panalungtikan Project on workshop panas AKAL jieunan mimiti dibuka.

Sanaos tiasa diperdebatkeun upami GPT-4 mangrupikeun AGI, éta gampang dibantah yén pikeun kahiji kalina dina sajarah manusa éta sistem AI anu tiasa ngalangkungan Turing Test.