През август 1955 г. група учени подават молба за финансиране от 13 500 долара за провеждане на летен семинар в колежа Дартмут, Ню Хемпшир. Полето, което предложиха да изследват, беше изкуственият интелект (AI). Въпреки че искането за финансиране беше скромно, хипотезата на изследователите не беше: "Всеки аспект на ученето или всяка друга характеристика на интелигентността може по принцип да бъде описан толкова точно, че да може да бъде построена машина, която да го имитира."
От тези скромни начала филмите и медиите романтизират AI или го представят като злодей. За повечето хора обаче ИИ остава само въпрос на дебат, а не част от съзнателния житейски опит.
В края на миналия месец AI под формата на ChatGPT излезе от спекулациите на научната фантастика и изследователските лаборатории и се насочи към настолните компютри и телефоните на широката публика. Това е така нареченият „генеративен AI“ – неочаквано интелигентно формулирана подкана може да напише есе или да направи рецепта и списък за пазаруване, или да създаде стихотворение в стила на Елвис Пресли.
Макар че ChatGPT е най-впечатляващият участник в годината на генеративен AI успех, системи като тази показаха още по-голям потенциал за създаване на ново съдържание, а подканите за текст към изображение се използват за създаване на ярки изображения, които дори спечелиха конкурси за изкуство. AI може все още да няма живо съзнание или теорията за ума, популяризирана в научно-фантастичните филми и романи, но се доближава до това поне да наруши това, което смятаме, че системите с изкуствен интелект могат да направят.
Изследователите, които работят в тясно сътрудничество с тези системи, припадат от перспективата за интелигентност, както в случая с големия езиков модел (LLM) на Google LaMDA. LLM е модел, който е обучен да обработва и генерира естествен език.
Generative AI също повдигна опасения относно плагиатството, експлоатацията на оригинално съдържание, използвано за изграждане на модели, етиката на манипулирането на информация и злоупотребата с доверие и дори „края на програмирането“.
Какво всъщност означава AI?
В центъра на всичко това е въпрос, чиято актуалност нараства след летния семинар в Дартмут: различен ли е ИИ от човешкия интелект? За да се счита за AI, една система трябва да демонстрира определено ниво на обучение и адаптация. Поради тази причина системите за вземане на решения, автоматизацията и статистическите системи не са AI. Най-общо казано, AI е разделен на две категории: изкуствен тесен интелект (AI) и изкуствен общ интелект (AI). В момента SHI не съществува. Ключово предизвикателство за изграждането на общ AI е адекватното моделиране на света с цялото тяло от знания по последователен и полезен начин. Това е, меко казано, мащабна задача.
Повечето от това, което днес познаваме като AI, има тясна интелигентност – където конкретна система решава конкретен проблем. За разлика от човешкия интелект, такъв тесен AI интелект е ефективен само в областта, в която е бил обучен: като откриване на измами, разпознаване на лица или социални препоръки. И AI ще функционира по същия начин като човек. Понастоящем най-яркият пример за опити за постигане на това е използването на невронни мрежи и дълбоко обучение, обучено върху огромни количества данни.
Невронните мрежи са вдъхновени от това как работи човешкият мозък. За разлика от повечето модели за машинно обучение, които извършват изчисления върху данни за обучение, невронните мрежи работят, като захранват всяка точка от данни на свой ред през взаимосвързана мрежа, коригирайки параметрите всеки път. Тъй като все повече и повече данни се подават през мрежата, параметрите се стабилизират, което води до „обучена“ невронна мрежа, която след това може да произведе желания резултат за нови данни – например разпознаване дали изображението съдържа котка или куче.
Значителен скок в развитието на изкуствения интелект днес се дължи на технологичните подобрения в методите за обучение на големи невронни мрежи, които позволяват коригиране на огромен брой параметри по време на всяко изпълнение благодарение на възможностите на големите облачни изчислителни инфраструктури. Например GPT-3 (системата AI, която захранва ChatGPT) е голяма невронна мрежа със 175 милиарда параметри.
Какво е необходимо, за да работи изкуственият интелект?
Изкуственият интелект се нуждае от три неща, за да работи успешно. Първо, той се нуждае от качествени, обективни данни, и то много. Изследователите, които изграждат невронни мрежи, използват големи масиви от данни, които са се появили благодарение на цифровизацията на обществото.
Като допълнение към човешките програмисти, Co-Pilot черпи своите данни от милиарди редове код, хостван в GitHub. ChatGPT и други големи езикови модели използват милиардите уебсайтове и текстови документи, съхранявани в Интернет.
Инструменти за преобразуване на текст в изображение, като напр Стабилна дифузия, ДАЛЛЕ-2 и Midjourney, използвайте двойки изображение-текст от набори от данни като LAION-5B. AI моделите ще продължат да се развиват, докато дигитализираме повече от живота си и ги захранваме с алтернативни източници на данни, като симулационни данни или данни от настройки на игри като Minecraft.
AI също се нуждае от компютърна инфраструктура, за да се обучава ефективно. Тъй като компютрите стават по-мощни, моделите, които сега изискват интензивни усилия и мащабни изчисления, може в близко бъдеще да бъдат обработвани локално. Например моделът Stable Diffusion вече може да се изпълнява на локални компютри, а не в облачни среди. Третата нужда от AI са подобрени модели и алгоритми. Системите, управлявани от данни, продължават да напредват бързо в области, считани някога за домейн на човешкото познание.
Въпреки това, тъй като светът около нас непрекъснато се променя, AI системите трябва постоянно да се преквалифицират, като използват нови данни. Без тази важна стъпка, AI системите ще дадат отговори, които са фактически неверни или не вземат под внимание нова информация, която се е появила, след като са били обучени.
Невронните мрежи не са единственият подход към ИИ. Друг забележителен лагер в изследванията на изкуствения интелект е символичният AI – вместо да усвоява огромни масиви от данни, той разчита на правила и знания, подобни на човешкия процес на формиране на вътрешни символни представяния на определени явления.
Но през последното десетилетие балансът на силите се наклони силно към подходи, базирани на данни, и „бащите-основатели“ на съвременното задълбочено обучение наскоро бяха удостоени с наградата Тюринг, еквивалент на Нобеловата награда за компютърни науки.
Данните, изчисленията и алгоритмите формират основата на бъдещия ИИ. Всички показатели сочат бърз напредък и в трите категории в обозримо бъдеще.
Можете да помогнете на Украйна да се бори срещу руските нашественици. Най-добрият начин да направите това е да дарите средства на въоръжените сили на Украйна чрез Savelife или през официалната страница НБУ.