โรนัลด์ ที เนียเซล ผู้เขียน “วิธีการทำงานของ AI: จากเวทมนตร์สู่วิทยาศาสตร์” – ซีรีส์สัมภาษณ์

เราได้รับสำเนาล่วงหน้าของหนังสือ “วิธีการทำงานของ AI: จากเวทมนตร์สู่วิทยาศาสตร์” โดยโรนัลด์ ที เนียเซล ฉันเคยอ่านหนังสือเกี่ยวกับ AI มากกว่า 60 เล่ม และแม้ว่าบางเล่มจะซ้ำกัน แต่หนังสือเล่มนี้ก็มีมุมมองที่สดใหม่ ฉันชอบหนังสือเล่มนี้มากพอที่จะเพิ่มลงในรายการหนังสือที่ดีที่สุดเกี่ยวกับ Machine Learning และ AI ทั้งหมดของฉัน Best Machine Learning & AI Books of All Time

“วิธีการทำงานของ AI: จากเวทมนตร์สู่วิทยาศาสตร์” เป็นหนังสือที่เขียนอย่างกระชับและชัดเจน เพื่ออธิบายหลักการทำงานของ machine learning ต่อไปนี้คือคำถามที่ถูกถามกับโรนัลด์ ที เนียเซล

นี่คือหนังสือ AI เล่มที่สามของคุณ หลังจาก “Practical Deep Learning: A Python-Base Introduction” และ “Math for Deep Learning: What You Need to Know to Understand Neural Networks” คุณมีจุดมุ่งหมายแรกเป็นอย่างไรเมื่อคุณเริ่มเขียนหนังสือเล่มนี้?

กลุ่มเป้าหมายที่แตกต่าง หนังสือเล่มก่อนหน้าของฉันถูกออกแบบมาเพื่อคนสนใจที่ต้องการเป็นนักปฏิบัติงาน AI ส่วนหนังสือเล่มนี้เป็นสำหรับผู้อ่านโดยทั่วไป คนที่ได้ยินเกี่ยวกับ AI ในข่าว แต่ไม่มีพื้นฐานใดๆ ในเรื่องนี้ ฉันต้องการแสดงให้ผู้อ่านเห็นว่า AI มาจากไหน และไม่ใช่เวทมนตร์ และทุกคนสามารถเข้าใจได้ว่ามันทำงานอย่างไร

ในขณะที่หนังสือ AI หลายเล่มมักจะพูดถึงเรื่องราวทั่วไป คุณได้เลือกที่จะสอนความหมายของคำศัพท์ต่างๆ และอธิบายความสัมพันธ์ระหว่าง AI, machine learning และ deep learning คุณคิดว่าทำไมจึงมีความสับสนในสังคมระหว่างคำศัพท์เหล่านี้?

เพื่อเข้าใจประวัติของ AI และทำไมมันจึงอยู่ทุกที่ที่เรามองเห็นในขณะนี้ เราต้องเข้าใจความแตกต่างระหว่างคำศัพท์เหล่านี้ แต่ในทางปฏิบัติ มันสมเหตุสมผลที่จะใช้ “AI” โดยรู้ว่ามันหมายถึงระบบ AI ที่เปลี่ยนแปลงโลกอย่างรวดเร็ว ระบบ AI สมัยใหม่เกิดขึ้นจาก deep learning ซึ่งเกิดจาก machine learning และแนวทางเชื่อมต่อของ AI

บทที่สองอธิบายประวัติของ AI ตั้งแต่ตำนานของ Talos หุ่นยนต์ยักษ์ที่ถูกออกแบบมาเพื่อปกป้องเจ้าหญิง Phoenecian ไปจนถึงกระดาษของ Alan Turing ในปี 1950 “Computing Machinery and Intelligence” และการเกิดขึ้นของการปฏิวัติ Deep Learning ในปี 2012 ทำไมการเข้าใจประวัติของ AI และ machine learning จึงสำคัญต่อการทำความเข้าใจว่า AI พัฒนามาได้ไกลแค่ไหน?

ฉันต้องการแสดงให้เห็นว่า AI ไม่ได้มาจากที่ไหน แต่มีประวัติ มีต้นกำเนิด และมีการพัฒนา ในขณะที่ความสามารถที่เกิดขึ้นของโมเดลภาษาขนาดใหญ่เป็นเรื่องที่น่าประหลาดใจ แต่เส้นทางที่นำไปสู่มันไม่ใช่เรื่องน่าประหลาดใจ มันเป็นเรื่องของทศวรรษของความคิด การวิจัย และการทดลอง

คุณได้ใช้บทหนึ่งเพื่ออธิบายระบบ AI ที่มีประวัติ เช่น support vector machines, decision trees และ random forests คุณคิดว่าทำไมการเข้าใจแบบจำลอง AI คลาสสิกเหล่านี้จึงสำคัญ?

AI ในรูปแบบของเครือข่ายประสาทเทียมเป็นเพียงวิธีการเข้าใกล้แบบจำลองที่ใช้การเพิ่มประสิทธิภาพที่แตกต่างจากแบบจำลอง machine learning ในยุคก่อนหน้า มันเป็นวิธีการพัฒนารูปแบบที่แตกต่างออกไป ซึ่งหมายถึงการสร้างแบบจำลองของกระบวนการหรือฟังก์ชันที่แมปกับอินพุตและเอาต์พุต การรู้จักแบบจำลองก่อนหน้านี้ช่วยให้เข้าใจว่าแบบจำลองปัจจุบันมาจากไหน

คุณกล่าวว่าโมเดล LLM ของ OpenAI’s ChatGPT เป็นรุ่งอรุณของ AI ที่แท้จริง คุณคิดว่าสิ่งที่เปลี่ยนแปลงไปมากที่สุดระหว่างวิธีการนี้และวิธีการก่อนหน้าคืออะไร?

ฉันเพิ่งดูวิดีโอจากปลายทศวรรษ 1980 ของ Richard Feynman ที่พยายามตอบคำถามเกี่ยวกับเครื่องจักรที่มีประสิทธิภาพ เขาบอกว่าเขาไม่รู้ว่าโปรแกรมใดที่สามารถทำงานได้อย่างมีประสิทธิภาพ ใน某种意义แล้ว เขากำลังพูดถึง AI สัญลักษณ์ ซึ่งความลึกลับของความฉลาดคือการค้นหาลำดับของการดำเนินการเชิงตรรกะที่ทำให้เกิดพฤติกรรมที่ฉลาด

ฉันเคยสงสัยเช่นกัน แต่ฉันเชื่อว่าไม่สามารถเขียนโปรแกรมความฉลาดได้ ความฉลาดเกิดขึ้นจากระบบที่ซับซ้อนพอที่จะแสดงความฉลาด (เช่น ระบบของเรา) สมองของเราคือเครือข่ายที่ซับซ้อนของหน่วยพื้นฐาน และเครือข่ายประสาทเทียมก็เป็นเช่นนั้น ฉันคิดว่าสถาปัตยกรรมทรานส์ฟอร์เมอร์แบบที่ใช้ใน LLMs ได้พบกับข้อตกลงที่คล้ายกันซึ่งสามารถทำให้เกิดพฤติกรรมที่ฉลาดได้

ในทางหนึ่ง มันเป็น “happy accident” ของ Bob Ross แต่ในทางกลับกัน มันไม่ควรจะน่าประหลาดใจเมื่อการเตรียมการและการโต้ตอบระหว่างหน่วยพื้นฐานที่สามารถทำให้เกิดพฤติกรรมที่ฉลาดได้ มันชัดเจนแล้วว่าโมเดลทรานส์ฟอร์เมอร์เป็นหนึ่งในข้อตกลงดังกล่าว และมีคำถามที่ตามมาว่ามีข้อตกลงอื่นๆ อีกหรือไม่?

ข้อความสำคัญของคุณคือ AI โมเดิร์น (LLMs) เป็นเครือข่ายประสาทเทียมที่ฝึกโดยการย้อนกลับและความชัน คุณประหลาดใจกับประสิทธิภาพของ LLMs หรือไม่?

ใช่และไม่ ฉันประหลาดใจกับการตอบสนองและความสามารถของพวกมันเมื่อฉันใช้งาน แต่เมื่อเทียบกับคำถามก่อนหน้า ความฉลาดที่เกิดขึ้นเป็นเรื่องจริง ดังนั้น ทำไมมันจึงไม่เกิดขึ้นในโมเดลที่มีขนาดใหญ่พอที่มีสถาปัตยกรรมที่เหมาะสม? ฉันคิดว่านักวิจัยตั้งแต่ Frank Rosenblatt และคนอื่นๆ คงจะคิดเช่นเดียวกัน

คำสั่งภารกิจของ OpenAI คือ “เพื่อให้แน่ใจว่า AI ทั่วไป – ระบบ AI ที่ฉลาดกว่ามนุษย์ – จะเป็นประโยชน์ต่อทุกคน” คุณคิดว่า AI ทั่วไปสามารถทำได้หรือไม่?

ฉันไม่รู้ว่า AI ทั่วไปหมายถึงอะไร ไม่มากกว่าที่ฉันรู้ว่าความตระหนักรู้หมายถึงอะไร ดังนั้นจึงยากที่จะตอบคำถามนี้ ในหนังสือ ฉันบอกว่าอาจจะมีจุดหนึ่งที่ไม่สำคัญที่จะแยกความแตกต่าง – ถ้ามันเดินเหมือนเป็ดและกะรวกเหมือนเป็ด ก็เรียกมันว่าเป็ดและดำเนินการต่อ

คำตอบที่ไม่จริงจังที่พูดไปก่อนหน้านี้ ระบบ AI อาจจะตอบสนองความคาดหวังของทฤษฎีเกี่ยวกับความตระหนักรู้ในอนาคต แต่เราต้องการระบบ AI ที่มีความตระหนักรู้หรือไม่? อาจจะไม่ ถ้ามันรู้ตัว มันจะเหมือนกับเรา และดังนั้นจึงเป็นบุคคลที่มีสิทธิ – และฉันไม่คิดว่าโลกพร้อมสำหรับบุคคลที่เป็น AI

คุณเรียนรู้อะไรที่น่าประหลาดใจระหว่างการเขียนหนังสือเล่มนี้?

นอกเหนือจากความประหลาดใจที่ทุกคนรู้สึกต่อความสามารถที่เกิดขึ้นของ LLMs ไม่จริงๆ ฉันเรียนรู้เกี่ยวกับ AI เมื่อฉันยังเป็นนักเรียนในทศวรรษ 1980 ฉันเริ่มทำงานกับ machine learning ในต้นทศวรรษ 2000 และเกี่ยวข้องกับ deep learning เมื่อมันเกิดขึ้นในต้นทศวรรษ 2010 ฉัน

ขอขอบคุณสำหรับการสัมภาษณ์ที่ดี ผู้อ่านอาจต้องการดู บทวิจารณ์หนังสือเล่มนี้ ของฉัน หนังสือเล่มนี้มีจำหน่ายที่ร้านค้าหลักๆ ทั้งหมด รวมถึง Amazon