12 просмотров

Мнение: Долгий и неопределенный путь к общему искусственному интеллекту

1. ИИ улучшал и будет продолжать улучшать автоматизацию

В прошлом месяце DeepMind, дочерняя компания технологического гиганта Alphabet, произвела фурор в Силиконовой долине, объявив Gato, возможно, самую универсальную модель искусственного интеллекта из существующих. Объявленный «универсальным агентом», Гато может выполнять более 600 различных задач. Он может управлять роботом, подписывать изображения, идентифицировать объекты на картинках и многое другое. Это, вероятно, самая продвинутая система искусственного интеллекта на планете, которая не предназначена для какой-то одной функции. И, по мнению некоторых компьютерных экспертов, это свидетельство того, что отрасль находится на пороге долгожданного, столь разрекламированного рубежа: искусственного общего интеллекта.

В отличие от обычного ИИ, искусственному общему интеллекту не потребуются гигантские массивы данных для изучения задачи.В то время как обычный искусственный интеллект должен быть предварительно обучен или запрограммирован для решения определенного набора задач, общий интеллект может учиться с помощью интуиции и опыта.

Теоретически ОИИ был бы способен изучить все, что может человек, если бы ему был предоставлен такой же доступ к информации. По сути, если вы поместите AGI на чип, а затем поместите этот чип в робота, робот может научиться играть в теннис так же, как мы с вами: размахивая ракеткой и чувствуя игру. Это не обязательно означает, что робот будет разумным или способным к познанию. У него не было бы мыслей или эмоций, он просто очень хорошо научился бы выполнять новые задачи без помощи человека.

Статья в тему:  Как искусственный интеллект может определять рабочие места, а не уничтожать их

Связанный

Это было бы очень важно для человечества. Подумайте обо всем, что вы могли бы сделать, если бы у вас была машина с интеллектуальными способностями человека и преданностью доверенного собачьего компаньона — машина, которую можно было бы физически приспособить для любых целей. Это обещание AGI. Это C-3PO без эмоций, лейтенант-командир Дейта без любопытства и робот Рози без личности. В руках правильных разработчиков он мог бы олицетворить идею искусственного интеллекта, ориентированного на человека.

Но насколько на самом деле близка мечта об ОИИ? И действительно ли Гато приближает нас к этому?

Для определенной группы ученых и разработчиков (я назову эту группу толпой «Масштабирование-Uber-Alles», используя термин, придуманный всемирно известным экспертом по искусственному интеллекту Гэри Маркусом), Gato и подобные системы, основанные на преобразовательных моделях глубокого обучения, уже дал нам план создания ОИИ. По сути, эти преобразователи используют огромные базы данных и миллиарды или триллионы настраиваемых параметров, чтобы предсказать, что произойдет дальше в последовательности.

Толпа Scaling-Uber-Alles, в которую входят такие известные имена, как Илья Суцкевер из OpenAI и Алекс Димакис из Техасского университета в Остине, считает, что трансформеры неизбежно приведут к ОИИ; осталось только сделать их больше и быстрее.Как недавно написал в Твиттере Нандо де Фрейтас, член команды, создавшей Gato: «Теперь все дело в масштабе! Игра окончена! Речь идет о том, чтобы сделать эти модели больше, безопаснее, эффективнее с точки зрения вычислений, быстрее при выборке, более умной памяти…» Де Фрейтас и компания понимают, что им придется создавать новые алгоритмы и архитектуры для поддержки этого роста, но они также, кажется, верят, что ОИИ возникнет сам по себе, если мы продолжим увеличивать размеры таких моделей, как Gato.

Назовите меня старомодным, но когда разработчик говорит мне, что его план состоит в том, чтобы дождаться, пока ОИИ волшебным образом появится из миазмов больших данных, как илистая рыба из первобытного супа, я склонен думать, что они пропускают несколько шагов. Видимо, не я один. Множество экспертов и ученых, в том числе Маркус, утверждали, что в грандиозных планах по превращению ИИ, подобного Гато, в полноценные интеллектуальные машины не хватает чего-то фундаментального.

Статья в тему:  Как искусственный интеллект помогает потребителям

«Если вы поместите AGI на чип, а затем поместите этот чип в робота, робот сможет научиться играть в теннис так же, как мы с вами: размахивая ракеткой и почувствовав игру».

Недавно я изложил свои мысли в трилогии эссе для Neural вертикали The Next Web, где я работаю редактором. Короче говоря, ключевая предпосылка AGI заключается в том, что он должен иметь возможность получать свои собственные данные. Но модели глубокого обучения, такие как ИИ-трансформеры, — это не более чем машины, предназначенные для того, чтобы делать выводы относительно уже предоставленных им баз данных. Они библиотекари, и поэтому они настолько хороши, насколько хороши их учебные библиотеки.

Общий интеллект теоретически может разобраться во всем, даже если у него будет крошечная база данных. Он интуитивно понял бы методологию выполнения своей задачи, основываясь не более чем на своей способности выбирать, какие внешние данные важны, а какие нет, подобно тому, как человек решает, на что направить свое внимание.

Гато крут, и нет ничего похожего на него.Но, по сути, это умный пакет, который, возможно, создает иллюзию общего ИИ благодаря умелому использованию больших данных. Его гигантская база данных, например, вероятно, содержит наборы данных, основанные на всем содержимом таких веб-сайтов, как Reddit и Wikipedia. Удивительно, как людям удалось сделать так много с помощью простых алгоритмов, просто заставив их анализировать больше данных.

Статья в тему:  Как переработка может помочь глобальному потеплению

На самом деле, Гато — настолько впечатляющий способ фальсификации общего интеллекта, что я задаюсь вопросом, не ошиблись ли мы. Когда-то считалось, что многие из задач, на которые Гато способен сегодня, может выполнить только ОИИ. Такое ощущение, что чем большего мы достигаем с помощью обычного ИИ, тем сложнее становится задача создания общего агента.

«Назовите меня старомодным, но когда разработчик говорит мне, что его план состоит в том, чтобы дождаться, пока ОИИ волшебным образом появится из миазмов больших данных, как илистая рыба из первозданного супа, я склонен думать, что они пропускают несколько шагов».

По этим причинам я скептически отношусь к тому, что только глубокое обучение — это путь к ОИИ. Я считаю, что нам нужно больше, чем большие базы данных и дополнительные параметры для настройки. Нам понадобится совершенно новый концептуальный подход к машинному обучению.

Я действительно думаю, что человечество в конце концов преуспеет в стремлении создать ОИИ. Я думаю, что мы постучим в дверь ОИИ где-то в начале-середине 2100-х годов, и когда мы это сделаем, мы обнаружим, что она выглядит совсем не так, как представляют себе ученые из DeepMind.

Но самое прекрасное в науке то, что вы должны показать свою работу, и прямо сейчас DeepMind делает именно это. У него есть все возможности доказать, что я и другие скептики не правы.

Статья в тему:  Через какое время исчезнет ядерное излучение

Я искренне, глубоко надеюсь, что это удастся.

Тристан Грин — футурист, который верит в силу технологий, ориентированных на человека. В настоящее время он является редактором футуристической вертикали The Next Web, Neural.

голоса
Рейтинг статьи
Ссылка на основную публикацию
Статьи c упоминанием слов:

0
Оставьте комментарий! Напишите, что думаете по поводу статьи.x