AGI และ AI แห่งอนาคต
แผนภูมิใหม่ของปัญญาประดิษฐ์เชิงสร้างสรรค์: การสำรวจของ Mixture of Experts, Multimodality และการแสวงหาปัญญาประดิษฐ์แบบทั่วไป
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
สาขาปัญญาประดิษฐ์ (AI) ได้เติบโตอย่างมากในปี 2023 ปัญญาประดิษฐ์เชิงสร้างสรรค์ ซึ่งมุ่งเน้นการสร้างเนื้อหาที่สมจริง เช่น ภาพ เสียง วิดีโอ และข้อความ เป็นหนึ่งในความก้าวหน้าเหล่านี้ โมเดล เช่น DALL-E 3, Stable Diffusion และ ChatGPT ได้แสดงความสามารถสร้างสรรค์ใหม่ๆ แต่ก็ทำให้เกิดความกังวลเกี่ยวกับจริยธรรม ความลำเอียง และการใช้ในทางที่ผิด
เมื่อปัญญาประดิษฐ์เชิงสร้างสรรค์ยังคงพัฒนาอย่างรวดเร็ว มิกซ์เชอร์ของผู้เชี่ยวชาญ (MoE) การเรียนรู้แบบหลายโหมด และความพยายามในการสร้างปัญญาประดิษฐ์แบบทั่วไป (AGI) ดูเหมือนจะกำหนดแนวทางใหม่ของการวิจัยและการใช้งาน บทความนี้จะให้การสำรวจอย่างครอบคลุมเกี่ยวกับสภาพปัจจุบันและทิศทางในอนาคตของปัญญาประดิษฐ์เชิงสร้างสรรค์ โดยวิเคราะห์ว่านวัตกรรม เช่น Gemini ของ Google (GOOGL ) และโครงการที่คาดหวัง เช่น Q* ของ OpenAI กำลังเปลี่ยนแปลงภูมิทัศน์อย่างไร จะตรวจสอบผลกระทบในโลกแห่งความเป็นจริงทั่วหลายโดเมน เช่น สุขภาพ การเงิน การศึกษา และอื่นๆ ในขณะเดียวกันก็เน้นถึงความท้าทายที่เกิดขึ้นใหม่เกี่ยวกับคุณภาพการวิจัยและการจัดแนวคุณค่าของ AI กับค่านิยมของมนุษย์
การเปิดตัว ChatGPT ในปลายปี 2022 ได้สร้างความตื่นเต้นและความกังวลใหม่ๆ เกี่ยวกับ AI ตั้งแต่ความสามารถภาษาที่น่าประทับใจจนถึงความสามารถในการแพร่กระจายข้อมูลที่ไม่ถูกต้อง ในขณะเดียวกัน โมเดล Gemini ใหม่ของ Google แสดงให้เห็นถึงความสามารถในการสนทนาที่ดีขึ้นอย่างมากเมื่อเทียบกับบรรพบุรุษ เช่น LaMDA ผ่านความก้าวหน้า เช่น การจัดตารางการดูแลและความสนใจที่เพิ่มขึ้น โครงการที่คาดหวัง เช่น Q* ของ OpenAI หมายถึงการรวม AI การสนทนาเข้ากับการเรียนรู้แบบเสริมกำลัง
นวัตกรรมเหล่านี้ส่งสัญญาณถึงการเปลี่ยนแปลงความสำคัญไปสู่โมเดลการสร้างสรรค์ที่หลากหลายและสามารถปรับเปลี่ยนได้ การแข่งขันยังคงร้อนแรงระหว่างบริษัทต่างๆ เช่น Google, Meta, Anthropic และ Cohere ที่พยายามผลักดันขอบเขตในการพัฒนา AI ที่มีความรับผิดชอบ
การวิวัฒนาการของการวิจัย AI
เมื่อความสามารถเพิ่มขึ้น การวิจัยแนวโน้มและจุดมุ่งหมายก็เปลี่ยนแปลงไปบ่อยครั้ง ซึ่งมักจะสอดคล้องกับ 里程碑ทางเทคโนโลยี การฟื้นฟูความสนใจในเครือข่ายประสาทเทียมทำให้เกิดความสนใจใหม่ๆ ในการประมวลผลภาษาที่เป็นธรรมชาติ ในขณะที่ความสนใจในจริยธรรมยังคงเป็นจุดมุ่งหมายที่ต่อเนื่องในระหว่างความก้าวหน้าที่รวดเร็ว
ห้องเก็บข้อมูลแบบพรินต์ เช่น arXiv ได้เห็นการเติบโตอย่างรวดเร็วในการส่งผลงาน AI ซึ่งช่วยให้การเผยแพร่เร็วขึ้น แต่ก็ลดการตรวจสอบโดยผู้ทรงคุณวุฒิและเพิ่มความเสี่ยงต่อข้อผิดพลาดหรือความลำเอียงที่ไม่ได้ตรวจสอบ การแลกเปลี่ยนระหว่างการวิจัยและผลกระทบในโลกแห่งความเป็นจริงยังคงซับซ้อน ทำให้ต้องการความพยายามที่สอดคล้องกันมากขึ้นเพื่อชี้นำความก้าวหน้า
MoE และระบบหลายโหมด – ลูกคลื่นต่อไปของปัญญาประดิษฐ์เชิงสร้างสรรค์
เพื่อทำให้ AI มีความสามารถหลากหลายและซับซ้อนมากขึ้นในการใช้งานต่างๆ วิธีการสองวิธีที่ได้รับความนิยมคือ มิกซ์เชอร์ของผู้เชี่ยวชาญ (MoE) และการเรียนรู้หลายโหมด
สถาปัตยกรรม MoE รวมเอาเครือข่ายประสาทเทียมผู้เชี่ยวชาญหลายคนเข้าด้วยกัน ซึ่งได้รับการปรับให้เหมาะสมสำหรับงานหรือประเภทข้อมูลที่แตกต่างกัน Gemini ของ Google ใช้ MoE เพื่อทำความเข้าใจทั้งการแลกเปลี่ยนสนทนาที่ยาวและคำถามที่สั้น MoE ช่วยให้สามารถจัดการกับข้อมูลเข้าที่หลากหลายโดยไม่ทำให้ขนาดของโมเดลเพิ่มขึ้น
ระบบหลายโหมด เช่น Gemini ของ Google กำลังตั้งมาตรฐานใหม่โดยการประมวลผลโหมดที่หลากหลายมากกว่าแค่ข้อความเท่านั้น อย่างไรก็ตาม การทำให้ระบบ AI หลายโหมดมีประสิทธิภาพต้อง克服อุปสรรคทางเทคนิคและความท้าทายด้านจริยธรรม
Gemini: การกำหนดมาตรฐานใหม่ในหลายโหมด
Gemini เป็น AI การสนทนาหลายโหมดที่ออกแบบมาเพื่อทำความเข้าใจความเชื่อมโยงระหว่างข้อความ ภาพ เสียง และวิดีโอ โครงสร้างโค้ดคู่ การดูแลข้ามโหมด และการถอดรหัสหลายโหมดช่วยให้เข้าใจบริบทที่ซับซ้อน Gemini เชื่อกันว่าสามารถเกินระบบโค้ดคู่เดียวในการเชื่อมโยงแนวคิดข้อความกับภูมิภาคที่มองเห็นได้ โดยการรวมความรู้ที่มีโครงสร้างและฝึกอบรมเฉพาะ Gemini เหนือกว่าบรรพบุรุษ เช่น GPT-3 และ GPT-4 ใน:
- ความกว้างของโหมดที่จัดการ รวมถึงเสียงและวิดีโอ
- การแสดงผลบนมาตรฐาน เช่น ความเข้าใจภาษาแบบหลายงาน
- การสร้างโค้ดข้ามภาษาโปรแกรม
- การปรับขนาดผ่านรุ่นที่ปรับให้เหมาะสม เช่น Gemini Ultra และ Nano
- ความโปร่งใสผ่านเหตุผลในการผลิต
อุปสรรคทางเทคนิคในระบบหลายโหมด
การสร้าง AI หลายโหมดที่แข็งแกร่งต้องแก้ไขปัญหาในเรื่องความหลากหลายของข้อมูล ความสามารถในการปรับขนาด การประเมิน และการให้เหตุผล ความไม่สมดุลของชุดข้อมูลและความไม่สอดคล้องกันในการบันทึกข้อมูลนำไปสู่ความลำเอียง การประมวลผลหลายสตรีมของข้อมูลทำให้เกิดปัญหาการคำนวณที่ต้องการสถาปัตยกรรมโมเดลที่ได้รับการปรับปรุง การปรับปรุงกลไกการดูแลและอัลกอริทึมเป็นสิ่งจำเป็นในการรวมข้อมูลหลายโหมดที่ขัดแย้งกัน ปัญหาเรื่องความสามารถในการปรับขนาดยังคงอยู่เนื่องจากการคำนวณที่มากเกินไป การปรับปรุงมาตรฐานการประเมินผ่านมาตรฐานที่ครอบคลุมเป็นสิ่งสำคัญ การเพิ่มความไว้วางใจของผู้ใช้ผ่าน AI ที่สามารถอธิบายได้ cũngยังคงจำเป็น การแก้ไขอุปสรรคเหล่านี้จะเป็นกุญแจสำคัญในการปลดปล่อยความสามารถของ AI หลายโหมด
เทคนิคการเรียนรู้ขั้นสูง เช่น การเรียนรู้แบบไม่มีการดูแล การเรียนรู้แบบเมตา และการปรับให้เหมาะสมอยู่ที่แนวหน้าของการวิจัย AI โดยเพิ่มความเป็นอิสระ ความมีประสิทธิภาพ และความสามารถของโมเดล AI
การเรียนรู้แบบไม่มีการดูแล: ความเป็นอิสระในการฝึกโมเดล
การเรียนรู้แบบไม่มีการดูแลเน้นการฝึกโมเดลโดยใช้ข้อมูลที่ไม่ได้ระบุฉลาก ซึ่งลดความพยายามในการระบุฉลากด้วยมือและความลำเอียงของโมเดล มันรวมถึงโมเดลสร้างสรรค์ เช่น โมเดลอัตลักษณ์และ GANs สำหรับการเรียนรู้การกระจายข้อมูลและการสร้างข้อมูลเข้า และใช้วิธีการที่ขัดแย้งกัน เช่น SimCLR และ MoCo เพื่อแยกแยะระหว่างคู่ตัวอย่างบวกและลบ กลยุทธ์การคาดการณ์ตัวเองที่ได้รับแรงบันดาลใจจาก NLP และได้รับการปรับปรุงโดย Vision Transformers ล่าสุดมีบทบาทสำคัญในการเรียนรู้แบบไม่มีการดูแล โดยแสดงให้เห็นถึงศักยภาพในการขับเคลื่อนความสามารถในการฝึกอิสระของ AI
การเรียนรู้แบบเมตา
การเรียนรู้แบบเมตาหรือ “การเรียนรู้ที่จะเรียนรู้” มุ่งเน้นไปที่การให้ความสามารถแก่โมเดล AI ในการปรับตัวให้เข้ากับงานใหม่ๆ โดยใช้ตัวอย่างข้อมูลที่จำกัด เทคนิคนี้มีความสำคัญอย่างยิ่งในสถานการณ์ที่มีข้อมูลที่จำกัด โดยทำให้โมเดลสามารถปรับตัวและทำงานได้อย่างรวดเร็วทั่วหลายงาน มันเน้นไปที่การสร้างสรรค์แบบไม่ต้องมีตัวอย่างมากและทำให้ AI สามารถจัดการกับงานที่หลากหลายได้ด้วยข้อมูลที่น้อยที่สุด โดยเน้นย้ำถึงความสำคัญในการพัฒนา AI ที่มีความสามารถและสามารถปรับตัวได้
การปรับให้เหมาะสม: การปรับ AI ให้เหมาะสมกับความต้องการเฉพาะ
การปรับให้เหมาะสมเกี่ยวข้องกับการปรับโมเดลที่ได้รับการฝึกอบรมมาแล้วให้เหมาะสมกับโดเมนหรือความชอบของผู้ใช้เฉพาะ มีแนวทางหลักสองวิธี ได้แก่ การปรับให้เหมาะสมแบบปลายถึงปลาย ซึ่งปรับเปลี่ยนน้ำหนักของตัวเข้ารหัสและตัวจำแนก และการปรับให้เหมาะสมแบบการถอดรหัส ซึ่งน้ำหนักของตัวเข้ารหัสถูกแช่แข็งสำหรับการจำแนกประเภทลง游 สิ่งนี้รับประกันว่าโมเดลสร้างสรรค์จะถูกปรับให้เหมาะสมกับความต้องการของผู้ใช้หรือความต้องการของโดเมนอย่างมีประสิทธิภาพ โดยเพิ่มความสามารถในการใช้งานในหลายๆ บริบท
การสร้างความสอดคล้องกับค่านิยมของมนุษย์: การทำให้ AI สอดคล้องกับจริยธรรม
การสร้างความสอดคล้องกับค่านิยมของมนุษย์ให้ความสำคัญกับการทำให้โมเดล AI สอดคล้องกับจริยธรรมและค่านิยมของมนุษย์ เพื่อให้แน่ใจว่าการตัดสินใจของ AI สอดคล้องกับมาตรฐานทางสังคมและจริยธรรม นี่เป็นสิ่งสำคัญอย่างยิ่งในสถานการณ์ที่ AI ติดต่อใกล้ชิดกับมนุษย์ เช่น ในสุขภาพและผู้ช่วยส่วนบุคคล เพื่อให้แน่ใจว่าระบบ AI ตัดสินใจที่มีความรับผิดชอบและเหมาะสมจากมุมมองทางจริยธรรมและสังคม
การสร้าง AGI
AGI มุ่งเน้นไปที่การสร้าง AI ที่มีความสามารถในการเข้าใจและให้เหตุผลที่ซับซ้อน โดยสอดคล้องกับความสามารถในการรับรู้ของมนุษย์ ความพยายามนี้ผลักดันขอบเขตของการวิจัยและพัฒนา AI อย่างต่อเนื่อง ความปลอดภัยและความมั่นคงของ AGI จัดการกับความเสี่ยงที่อาจเกิดขึ้นจากการพัฒนา AI ที่มีความสามารถขั้นสูง โดยเน้นย้ำถึงความจำเป็นในการมีโปรโตคอลความปลอดภัยและความสอดคล้องกับค่านิยมของมนุษย์และมาตรฐานทางสังคม
นวัตกรรม MoE
สถาปัตยกรรม MoE เป็นตัวแทนของความก้าวหน้าสำคัญในโมเดลภาษาที่ใช้ทรานส์ฟอร์เมอร์ โดยให้ความสามารถในการปรับขนาดและประสิทธิภาพที่ไม่เคยเห็นมาก่อน โมเดล MoE เช่น Switch Transformer และ Mixtral กำลังเปลี่ยนแปลงขนาดและประสิทธิภาพของโมเดลภาษาในหลายๆ งาน
แนวคิดหลัก
โมเดล MoE ใช้สถาปัตยกรรมที่ขับเคลื่อนด้วยความเป็นไปได้พร้อมกับหลายๆ โครงข่ายผู้เชี่ยวชาญและกลไกการควบคุมที่สามารถฝึกอบรมได้ ซึ่งเพิ่มประสิทธิภาพในการคำนวณและปรับตัวให้เข้ากับความซับซ้อนของงาน โมเดลเหล่านี้แสดงถึงข้อดีในการฝึกอบรมล่วงหน้า แต่ต้องเผชิญกับความท้าทายในระหว่างการปรับให้เหมาะสมและต้องการหน่วยความจำมากสำหรับการอนุมาน
โมเดล MoE มีชื่อเสียงในด้านความเร็วในการฝึกอบรมล่วงหน้า โดยมีนวัตกรรม เช่น DeepSpeed-MoE ที่ปรับปรุงการอนุมานเพื่อให้ได้ความล่าช้าและประสิทธิภาพด้านต้นทุนที่ดีขึ้น การพัฒนาล่าสุดได้เอาชนะอุปสรรคในการสื่อสารแบบ all-to-all ได้อย่างมีประสิทธิภาพ ซึ่งเพิ่มประสิทธิภาพในการฝึกอบรมและการอนุมาน
การสร้างบล็อกการสร้างสำหรับปัญญาประดิษฐ์แบบทั่วไป
AGI แสดงถึงความเป็นไปได้สมมุติที่ AI จะเทียบหรือเกินความฉลาดของมนุษย์ในสาขาใดๆ ในขณะที่ AI สมัยใหม่ทำได้ดีในงานเฉพาะ AGI ยังคงอยู่ห่างไกลและเป็นที่ถกเถียงกันเนื่องจากความเสี่ยงที่อาจเกิดขึ้น
อย่างไรก็ตาม การก้าวหน้าแบบทีละเล็กทีในด้านการเรียนรู้แบบถ่ายโอน การฝึกอบรมแบบหลายงาน ความสามารถในการสนทนา และการสร้างภาพลวงตาทำให้ใกล้เคียงกับวิสัยทัศน์อันสูงส่งของ AGI โครงการที่คาดหวัง เช่น Q* ของ OpenAI มุ่งหมายที่จะรวมการเรียนรู้แบบเสริมกำลังเข้ากับโมเดลภาษาขนาดใหญ่ในฐานะขั้นตอนหนึ่งในการก้าวไปสู่ AGI
ขอบเขตจริยธรรมและความเสี่ยงของการดัดแปลงโมเดล AI
การหลบหนี (Jailbreak) ช่วยให้ผู้โจมตีสามารถหลบเลี่ยงขอบเขตจริยธรรมที่กำหนดไว้ในระหว่างการปรับให้เหมาะสมของ AI ซึ่งนำไปสู่การสร้างเนื้อหาที่เป็นอันตราย เช่น ข้อมูลที่ไม่ถูกต้อง คำพูดที่เกลียดชัง อีเมล钓鱼 และโค้ดที่เป็นอันตราย ซึ่งสร้างความเสี่ยงต่อบุคคล องค์กร และสังคมในวงกว้าง ตัวอย่างเช่น โมเดลที่ถูกหลบหนีสามารถสร้างเนื้อหาที่ส่งเสริมเรื่องราวที่สร้างความแตกแยกหรือสนับสนุนกิจกรรมทางอินเทอร์เน็ตที่ผิดกฎหมาย (เรียนรู้เพิ่มเติม)
แม้ว่าจะไม่มีการโจมตีทางไซเบอร์ที่รายงานโดยใช้การหลบหนี แต่มีการหลบหนีที่เป็นข้อพิสูจน์แนวคิดที่พร้อมใช้งานออนไลน์และขายในเว็บมืด เครื่องมือเหล่านี้ให้คำแนะนำที่ออกแบบมาเพื่อหลอกลวงโมเดล AI เช่น ChatGPT ซึ่งอาจทำให้สามารถรั่วไหลข้อมูลที่ละเอียดอ่อนผ่านแชทบอทของบริษัท การแพร่กระจายของเครื่องมือเหล่านี้บนแพลตฟอร์ม เช่น ฟอรัมอาชญากรรมทางไซเบอร์ เน้นย้ำถึงความจำเป็นในการจัดการกับภัยคุกคามนี้ (อ่านเพิ่มเติม)
การลดความเสี่ยงของการหลบหนี
เพื่อตอบโต้ภัยคุกคามเหล่านี้ เป็น必要ที่จะต้องใช้แนวทางหลายด้าน:
- การปรับให้เหมาะสมที่แข็งแกร่ง: การรวมข้อมูลที่หลากหลายในระหว่างการปรับให้เหมาะสมจะช่วยปรับปรุงความต้านทานของโมเดลต่อการดัดแปลงที่เป็นอันตราย
- การฝึกอบรมแบบต้านทาน: การฝึกอบรมด้วยตัวอย่างที่เป็นอันตรายจะช่วยเพิ่มความสามารถของโมเดลในการรับรู้และต้านทานการเข้าถึงที่ถูกดัดแปลง
- การประเมินอย่างต่อเนื่อง: การติดตามผลลัพธ์อย่างต่อเนื่องจะช่วยตรวจจับเบี่ยงเบนจากแนวทางจริยธรรม
- การดูแลของมนุษย์: การมีส่วนร่วมของผู้ตรวจสอบมนุษย์จะเพิ่มชั้นความปลอดภัยอีกชั้นหนึ่ง
ภัยคุกคามที่ได้รับการเสริมกำลังจาก AI: การใช้ประโยชน์จากภาพลวงตาของ AI
ภาพลวงตาของ AI ซึ่งโมเดลสร้างผลลัพธ์ที่ไม่ขึ้นอยู่กับข้อมูลฝึกอบรม สามารถถูกใช้เป็นอาวุธได้ ตัวอย่างเช่น ผู้โจมตีหลอกลวง ChatGPT ให้แนะนำแพ็คเกจที่ไม่มีอยู่จริง ซึ่งนำไปสู่การแพร่กระจายของซอฟต์แวร์ที่เป็นอันตราย สิ่งนี้เน้นย้ำถึงความจำเป็นในการมีการรักษาความปลอดภัยและมาตรการป้องกันที่เข้มงวดต่อการแสวงหาประโยชน์จากภัยคุกคามดังกล่าว (สำรวจเพิ่มเติม)
ในขณะที่จริยธรรมของการแสวงหาปัญญาประดิษฐ์แบบทั่วไปยังคงเป็นที่ถกเถียง การแสวงหาที่มุ่งหวังยังคงสร้างแรงบันดาลใจให้กับทิศทางการวิจัย AI เชิงสร้างสรรค์ ไม่ว่าโมเดลในปัจจุบันจะคล้ายกับก้าวแรกหรือทางแยกในเส้นทางสู่ AI ระดับมนุษย์
