У августу 1955, група научника је поднела захтев за финансирање од 13 500 долара за одржавање летњег семинара на Дартмоутх колеџу у Њу Хемпширу. Област коју су предложили да истраже била је вештачка интелигенција (АИ). Иако је захтев за финансирање био скроман, хипотеза истраживача није била: „Сваки аспект учења или било која друга карактеристика интелигенције може се, у принципу, описати тако прецизно да се може направити машина која ће га имитирати“.
Од ових скромних почетака, филмови и медији су романтизовали вештачку интелигенцију или су је приказали као негативца. Међутим, за већину људи, вештачка интелигенција је остала само питање дебате, а не део свесног животног искуства.
Крајем прошлог месеца АИ у облику ЦхатГПТ је избио из научне фантастике спекулације и истраживачких лабораторија и на десктопе и телефоне широке јавности. Ово је такозвана „генеративна вештачка интелигенција“ – неочекивано интелигентно формулисано упутство може да напише есеј или да направи рецепт и листу за куповину, или да створи песму у стилу Елвиса Прислија.
Мада ЦхатГПТ је био најимпресивнији учесник у години генеративног успеха вештачке интелигенције, системи попут овог су показали још већи потенцијал за креирање новог садржаја, а упутства за претварање текста у слику се користе за креирање живописних слика које су чак победиле на уметничким такмичењима. АИ можда још нема живу свест или теорију ума популаризовану у научнофантастичним филмовима и романима, али све је ближе томе да барем поремети оно што мислимо да системи вештачке интелигенције могу да ураде.
Истраживачи који блиско сарађују са овим системима падају у несвест од перспективе интелигенције, као у случају Гоогле-овог ЛаМДА Ларге Лангуаге Модела (ЛЛМ). ЛЛМ је модел који је обучен да обрађује и генерише природни језик.
Генеративна АИ је такође изазвала забринутост због плагијата, експлоатације оригиналног садржаја који се користи за изградњу модела, етике манипулације информацијама и злоупотребе поверења, па чак и „краја програмирања“.
Шта заправо АИ значи?
У средишту свега овога је питање чија релевантност расте још од летњег семинара у Дартмоутху: да ли се АИ разликује од људске интелигенције? Да би се сматрао АИ, систем мора да покаже одређени ниво учења и прилагођавања. Из тог разлога, системи за доношење одлука, аутоматизација и статистички системи нису АИ. Уопштено говорећи, вештачка интелигенција је подељена у две категорије: вештачка уска интелигенција (АИ) и вештачка општа интелигенција (АИ). Тренутно, СХИ не постоји. Кључни изазов за изградњу опште вештачке интелигенције је адекватно моделовање света са целокупним знањем, на доследан и користан начин. Ово је, најблаже речено, задатак великих размера.
Већина онога што данас познајемо као АИ има уску интелигенцију – где одређени систем решава одређени проблем. За разлику од људске интелигенције, таква уска АИ интелигенција је ефикасна само у домену у којем је обучена: као што је откривање преваре, препознавање лица или друштвене препоруке. И АИ ће функционисати на исти начин као и особа. Тренутно, најистакнутији пример покушаја да се то постигне је употреба неуронских мрежа и дубоког учења обученог на огромним количинама података.
Неуронске мреже су инспирисане начином на који људски мозак функционише. За разлику од већине модела машинског учења, који обављају прорачуне на основу података о обуци, неуронске мреже раде тако што уносе сваку тачку података редом кроз међусобно повезану мрежу, прилагођавајући параметре сваки пут. Како се све више и више података уноси кроз мрежу, параметри се стабилизују, што резултира „обученом“ неуронском мрежом која онда може да произведе жељени излаз на новим подацима – на пример, препознајући да ли слика садржи мачку или пса.
Значајан искорак у развоју вештачке интелигенције данас је последица технолошких побољшања метода учења великих неуронских мрежа, које омогућавају прилагођавање огромног броја параметара током сваког покретања захваљујући могућностима великих рачунарских инфраструктура у облаку. На пример, ГПТ-3 (АИ систем који покреће ЦхатГПТ) је велика неуронска мрежа са 175 милијарди параметара.
Шта је потребно да би вештачка интелигенција радила?
Вештачкој интелигенцији су потребне три ствари да би успешно радила. Прво, потребни су му квалитетни, објективни подаци, и то доста. Истраживачи који граде неуронске мреже користе велике низове података који су се појавили захваљујући дигитализацији друштва.
Допуњујући људске програмере, Цо-Пилот црпи своје податке из милијарди линија кода који се налазе на ГитХуб-у. ЦхатГПТ и други велики језички модели користе милијарде веб локација и текстуалних докумената ускладиштених на Интернету.
Алати за конверзију текста у слику као што су Стабле Диффусион, ДАЛЛЕ-2 и Мидјоурнеи, користите парове слика-текст из скупова података као што је ЛАИОН-5Б. АИ модели ће наставити да се развијају како дигитализујемо све више наших живота и хранимо их алтернативним изворима података, као што су подаци симулације или подаци из подешавања игре као што је Минецрафт.
АИ такође треба рачунарску инфраструктуру да би се ефикасно обучавала. Како рачунари постају моћнији, модели који сада захтевају интензивне напоре и велике прорачуне могу се у блиској будућности обрадити локално. На пример, модел стабилне дифузије се већ може покренути на локалним рачунарима, а не у окружењима у облаку. Трећа потреба за вештачком интелигенцијом су побољшани модели и алгоритми. Системи вођени подацима настављају да брзо напредују у областима које су се некада сматрале доменом људске спознаје.
Међутим, пошто се свет око нас стално мења, системе вештачке интелигенције је потребно стално преобучавати користећи нове податке. Без овог важног корака, АИ системи ће дати одговоре који су чињенично нетачни или не узимају у обзир нове информације које су се појавиле откако су обучени.
Неуронске мреже нису једини приступ АИ. Још један значајан камп у истраживању вештачке интелигенције је симболичка вештачка интелигенција – уместо да пробавља огромне низове података, она се ослања на правила и знање слично људском процесу формирања унутрашњих симболичких репрезентација одређених феномена.
Али током протекле деценије, однос снага се снажно нагнуо ка приступима заснованим на подацима, а „очевима оснивачима“ модерног дубоког учења недавно је додељена Тјурингова награда, еквивалент Нобелове награде за рачунарство.
Подаци, прорачуни и алгоритми чине основу будуће вештачке интелигенције. Сви показатељи указују на брз напредак у све три категорије у догледној будућности.
Можете помоћи Украјини да се бори против руских освајача. Најбољи начин да то урадите је да донирате средства Оружаним снагама Украјине путем Савелифе или преко званичне странице НБУ.