Надхід “Еволюція” ШІ

Сьогодні, перебуваючи на межі технологічної розломи, ми спостерігаємо за переходом від великих мовних моделей до агентів, а потім до агентного ШІ та штучного загального інтелекту, і це не тільки про більші моделі чи швидші відповіді. Це також про те, як машини переходять від пасивних помічників до активних співробітників, і, можливо, одного дня, незалежних мислителів.

Давайте простежимо цей шлях і дослідимо, що це означає для роботи, експертизи та ролі людини у формуванні інтелекту завтрашнього дня.

Різниця між великими мовними моделями, агентними системами та агентним ШІ

Щоб краще зрозуміти різницю, ось приклад. Якщо я запитую у великої мовної моделі щось подібне: “Я хочу поїхати з Чикаго в Остін, проїхати не більше чотирьох годин на день і зупинитися в мальовничих місцях”, звичайна велика мовна модель поверне статичну відповідь у текстовому форматі на основі генерації мови. Вона, ймовірно, просто відповість на запит без проведення глибокого аналізу.

Агент спочатку класифікує запит як пов’язаний з подорожами. Потім він визначить, які дані потрібні: маршрути за допомогою сервісів картографії, інформація про погоду, витрати на паливо, готелі, ресторани тощо. Після цього агент розбиває запит на підзадачі і направляє їх до спеціалізованих модулів або великих мовних моделей, навчених на відповідних джерелах. Це оркестрування та координування кількох моделей і інструментів під єдиною логікою.

Сьогодні більшість великих систем, таких як ChatGPT або Claude від Anthropic, по суті вже є агентами. Хоча користувачеві може здаватися, що він взаємодіє з однією моделлю, насправді за сценою є складна архітектура, що включає багато моделей і систем. Вони вже можуть обробляти складні запити, але їхні можливості в основному обмежені наданням інформації; вони ще не виконують дії.

Повністю автономний агент – це система, яка збирає інформацію і може, наприклад, самостійно забронювати готель, придбати квиток або ініціювати платеж, якщо має доступ до відповідних API або даних користувача. Такі агенти зараз знаходяться на ранніх стадіях розробки. На цьому етапі вони більше нагадують напівагентів, здатних обробляти інформацію, але ще не виконувати автономні дії.

Цікавою областю обговорення в дослідницькій спільноті є агентний ШІ. На відміну від звичайного агента, поведінка якого скриптується розробниками, агентний ШІ – це система, яка самостійно вирішує, які завдання виконувати, які дані потрібні і навіть, як продовжувати自己的 навчання. Це виходить за межі виконання інструкцій; це включає прийняття автономних рішень. Однак агентний ШІ залишається теоретичним на цій стадії; таких систем ще не існує в практиці.

Штучний загальний інтелект – новизна горизонт. Але чи це досяжне?

Meta інвестувала в Scale AI три місяці тому. Метою було об’єднання зусиль на шляху до будівництва штучного загального інтелекту, здатного виконувати будь-яке завдання на рівні людини або навіть перевершувати його. Якщо сьогодні ШІ – це технологічна революція, штучний загальний інтелект буде справжньою мега-революцією; іноді я називаю це “еволюцією”, тобто “ексодусом” ШІ з тіней. Хто досягне цього першому, отримає глобальну стратегічну перевагу.

Що стосується того, наскільки ми близькі до справжнього штучного загального інтелекту, то це залежить сильно від того, як ми його визначаємо. Я погоджуюся з думкою Іллі Суцькєвера: штучний загальний інтелект – це система, здатна виконувати будь-яке інтелектуальне завдання, яке може людина. Не тільки відповідати на питання, але й мислити, приймати рішення, узагальнювати та інтерпретувати інформацію в різних областях. Справжній штучний загальний інтелект універсальний і не обмежений вузькими завданнями.

Ні одна з поточних моделей не досягла цього рівня. Ми рухаємося в цьому напрямку, але справжній штучний загальний інтелект, у теоретичному сенсі, ще не існує. І, можливо, це найкраще. Ми ще перебуваємо в фазі наближення, і, ймовірно, залишимося там ще протягом деякого часу.

Основою штучного загального інтелекту буде, ймовірно, агентна система. Вона не обов’язково буде залежати від однієї великої мовної моделі, оскільки, як і жодна людина, незалежно від того, наскільки вона талановита, не може оволодіти всіма областями знань і навичок, жодна велика мовна модель не може самостійно виконувати весь спектр завдань штучного загального інтелекту. Що нам потрібно, – це певний “колективний інтелект”: архітектура, здатна координувати кілька моделей і компонентів.

Штучний загальний інтелект, ймовірно, виникне не просто як людський агент, а як мета-агент. Це буде система, яка частково розробляється і еволюціонує за допомогою самого ШІ. Це важливо, оскільки системи, розроблені повністю людьми, можуть нести в собі вбудовані обмеження. Включення ШІ у процес розробки може допомогти подолати ці обмеження і зробити систему більш адаптивною.

Штучний загальний інтелект, ймовірно, не виникне в результаті якогось одного прориву. Не особливо більших великих мовних моделей, розумніших агентів чи зовсім нових архітектур, а радше синтезу всіх трьох. Найімовірніше, щось фундаментально нове, що перевершує категорії, які ми зараз використовуємо.

“Останній іспит людства” та інші завдання штучного загального інтелекту

“Останній іспит людства” (HLE) – це одна з найбільш амбіційних завдань, які зараз обговорюються в контексті великих мовних моделей, агентів та штучного загального інтелекту. По суті, це тест, що складається з близько 2 500 питань, які охоплюють широкий спектр академічних дисциплін – математику, фізику, біологію, хімію, інженерію, комп’ютерні науки та навіть шахи. Ідея полягає в тому, щоб оцінити, чи може система штучного інтелекту розв’язувати завдання на рівні справжнього людського розуміння.

Поточні мовні моделі виконують дуже погано на HLE, часто набираючи менше 5% точності. Це різко контрастує з іншими завданнями, такими як MMLU або GPQA, де моделі досягають значно вищих результатів. Складності, з якими моделі мають справу під час виконання HLE, підкреслюють, наскільки вони ще далекі від справжнього загального інтелекту.

Важливо відзначити, що висока продуктивність на завданнях з відомими або вузькими наборами даних не обов’язково вказує на наявність справжнього загального інтелекту. Модель можна дошколити або “навчити на тесті”, що може надувати її видимі можливості. Тому навіть ідеальний результат на HLE не означатиме, що ми досягли штучного загального інтелекту; це тільки означатиме, що ми пройшли одне конкретне завдання.

Що рухає штучний загальний інтелект

Я повністю погоджуюся, що основними стовпами штучного загального інтелекту є дані, обчислення та таланти. Ситуація з обчисленням ясна. Ключові гравці, такі як Meta, намагалися створити自己的 чіпи, інвестуючи мільярди доларів у власний процес розробки чіпів. Але компанії все ще сильно залежать від чіпів та обчислювальної потужності інших гравців, таких як Nvidia, які не тільки постачають необхідне обладнання, але й розуміють важливість масштабування виробництва.

Більше питань стосується даних та талантів. Інтернет вичерпався – не існує жодного шматка людської інформації з відкритих джерел, який не був би використаний для навчання на даний момент. Загальний обсяг інформації, який людство створило досі, виявляється дивно малим. Тому компанії починають активно партнерувати з тими, хто може генерувати високоякісні людські дані.

Повна автоматизація чи людина в циклі?

Інша точка – зниження попиту на ручну анотацію даних. Кілька років тому галузь розвивалася з повною швидкістю. Тисячі анотаторів були залучені, щоб задовольнити голод ШІ-пайплайнів. Сьогодні значна частина цього імпульсу перейшла до автоматизації. Моделі дозріли, і так само інструменти навколо них.

Візьміть розпізнавання облич. Колись воно було одним з основних двигунів об’єму анотації зображень. Але ця категорія в основному вирішена зараз. Моделі, такі як YOLO, SAM та Samurai, швидко поглинають рутинну роботу. Ці системи стискають тижні ручної праці в хвилини, часто з вражаючою точністю. Ми також реалізували багато інструментів з підтримкою машинного навчання у нашій пропрієтарній платформі Keylabs. Це дійсно допомагає скоротити рутинний робочий процес.

Але всі ці моделі обмежені своєю узагальненістю та підходять для автоматизації стандартних та уніфікованих операцій. Складні чи унікальні випадки все ще потребують людської уваги.

Ми рухаємося від старої парадигми, у якій анотатор був просто людиною, яка могла розпізнати об’єкт чи емоцію. У новій реальності потрібні професіонали: лікарі для анотації медичних зображень, програмісти для кодування, архітектори для створення креслень, маркетологи для клієнтських інсайтів та військові експерти для сценаріїв оборони.

Ми вже бачимо реальні випадки, такі як винищувачі-пілоти, які анотують дані для ШІ та заробляють 1 000 доларів на годину за свою експертизу. Тому що такі спеціалісти рідкісні, а їхні знання критично важливі для навчання високопродуктивному ШІ.

Світ змінюється: усе більше людей стає операторами та “тренерами” штучного інтелекту. Лише вчора я отримав повідомлення на LinkedIn з проханням перевірити набір даних для додатка ШІ, призначеного для керівників. У майбутньому будь-хто з нас може отримати пропозицію працювати анотатором, не просто клікаючи кнопками, а експертом, чия знання формує інтелект завтрашнього дня.

Ми вже живемо в цій новій реальності, світі анотації даних та навчання ШІ. Ті, хто визнає це та адаптується, здобудуть значну перевагу.