ในเดือนสิงหาคม พ.ศ. 1955 นักวิชาการกลุ่มหนึ่งได้ยื่นขอทุนจำนวน 13 ดอลลาร์ เพื่อดำเนินการสัมมนาภาคฤดูร้อนที่ Dartmouth College รัฐนิวแฮมป์เชียร์ สาขาที่พวกเขาเสนอให้สำรวจคือปัญญาประดิษฐ์ (AI) แม้ว่าคำขอเงินทุนจะค่อนข้างเรียบง่าย แต่สมมติฐานของนักวิจัยไม่ใช่: "ทุกแง่มุมของการเรียนรู้หรือคุณลักษณะอื่น ๆ ของสติปัญญาสามารถอธิบายได้อย่างแม่นยำจนสามารถสร้างเครื่องจักรเพื่อเลียนแบบได้"
ตั้งแต่จุดเริ่มต้นเล็กๆ น้อยๆ เหล่านี้ ภาพยนตร์และสื่อต่างๆ ได้ทำให้ AI โรแมนติกหรือแสดงให้ AI เป็นตัวร้าย อย่างไรก็ตาม สำหรับคนส่วนใหญ่ AI ยังคงเป็นประเด็นถกเถียงและไม่ใช่ส่วนหนึ่งของประสบการณ์ชีวิตที่ใส่ใจ
เมื่อปลายเดือนที่แล้ว AI ในรูปแบบของ ChatGPT ได้แยกออกจากการเก็งกำไรในนิยายวิทยาศาสตร์และห้องปฏิบัติการวิจัยและมาสู่เดสก์ท็อปและโทรศัพท์ของสาธารณชนทั่วไป นี่คือสิ่งที่เรียกว่า "กำเนิด AI" - คำพูดที่ชาญฉลาดโดยไม่คาดคิดสามารถเขียนเรียงความหรือทำสูตรอาหารและรายการซื้อของหรือสร้างบทกวีในสไตล์ของ Elvis Presley
แม้ว่า ChatGPT เป็นผู้เข้าแข่งขันที่น่าประทับใจที่สุดในหนึ่งปีแห่งความสำเร็จของการกำเนิด AI ระบบเช่นนี้ได้แสดงศักยภาพที่ยิ่งใหญ่กว่าในการสร้างเนื้อหาใหม่ และข้อความแจ้งเป็นรูปภาพถูกนำมาใช้เพื่อสร้างภาพที่สดใสซึ่งชนะการแข่งขันศิลปะ AI อาจยังไม่มีจิตสำนึกที่มีชีวิตหรือทฤษฎีเกี่ยวกับจิตใจที่เป็นที่นิยมในภาพยนตร์และนิยายวิทยาศาสตร์ แต่อย่างน้อยก็เข้าใกล้สิ่งที่ขัดขวางสิ่งที่เราคิดว่าระบบปัญญาประดิษฐ์สามารถทำได้
นักวิจัยที่ทำงานอย่างใกล้ชิดกับระบบเหล่านี้มักหมดหวังกับข่าวกรอง ดังเช่นในกรณีของ LaMDA Large Language Model (LLM) ของ Google LLM เป็นรูปแบบที่ได้รับการฝึกอบรมเพื่อประมวลผลและสร้างภาษาธรรมชาติ
เจเนอเรทีฟเอไอยังแสดงความกังวลเกี่ยวกับการลอกเลียนแบบ การใช้ประโยชน์จากเนื้อหาต้นฉบับที่ใช้สร้างแบบจำลอง จริยธรรมของการจัดการข้อมูลและการใช้ความไว้วางใจในทางที่ผิด และแม้แต่ "การสิ้นสุดของการเขียนโปรแกรม"
AI หมายถึงอะไรจริงๆ?
ศูนย์กลางของคำถามนี้คือคำถามที่มีความเกี่ยวข้องเพิ่มขึ้นเรื่อย ๆ นับตั้งแต่การสัมมนาภาคฤดูร้อนที่ดาร์ทเมาท์: AI แตกต่างจากความฉลาดของมนุษย์หรือไม่? เพื่อให้ได้รับการพิจารณาว่าเป็น AI ระบบจะต้องแสดงให้เห็นถึงการเรียนรู้และการปรับตัวในระดับหนึ่ง ด้วยเหตุนี้ การตัดสินใจ ระบบอัตโนมัติ และระบบสถิติจึงไม่ใช่ AI โดยทั่วไปแล้ว AI แบ่งออกเป็น XNUMX ประเภท ได้แก่ ปัญญาประดิษฐ์แคบ (AI) และปัญญาประดิษฐ์ทั่วไป (AI) ปัจจุบัน SHI ไม่มีอยู่จริง ความท้าทายที่สำคัญสำหรับการสร้าง AI ทั่วไปคือการสร้างแบบจำลองโลกที่มีองค์ความรู้ทั้งหมดอย่างเพียงพอ ในลักษณะที่สอดคล้องและเป็นประโยชน์ นี่คืองานขนาดใหญ่
สิ่งที่เรารู้จักในชื่อ AI ในปัจจุบันส่วนใหญ่จะมีความฉลาดที่แคบ ซึ่งระบบเฉพาะจะแก้ปัญหาที่เฉพาะเจาะจงได้ ซึ่งแตกต่างจากความฉลาดของมนุษย์ ความฉลาดของ AI ที่แคบเช่นนี้จะมีประสิทธิภาพเฉพาะในโดเมนที่ได้รับการฝึกอบรมเท่านั้น เช่น การตรวจจับการฉ้อโกง การจดจำใบหน้า หรือคำแนะนำทางสังคม และ AI จะทำงานในลักษณะเดียวกับคน ปัจจุบัน ตัวอย่างที่โดดเด่นที่สุดของความพยายามที่จะบรรลุเป้าหมายนี้คือการใช้โครงข่ายประสาทเทียมและการเรียนรู้เชิงลึกที่ได้รับการฝึกฝนจากข้อมูลจำนวนมหาศาล
เครือข่ายประสาทได้รับแรงบันดาลใจจากวิธีการทำงานของสมองมนุษย์ ซึ่งแตกต่างจากโมเดลแมชชีนเลิร์นนิงส่วนใหญ่ซึ่งทำการคำนวณข้อมูลการฝึกอบรม โครงข่ายประสาทเทียมทำงานโดยการป้อนจุดข้อมูลแต่ละจุดผ่านเครือข่ายที่เชื่อมต่อถึงกัน โดยปรับพารามิเตอร์ในแต่ละครั้ง เมื่อมีการป้อนข้อมูลผ่านเครือข่ายมากขึ้นเรื่อยๆ พารามิเตอร์จะคงที่ ส่งผลให้โครงข่ายประสาทเทียมที่ "ผ่านการฝึกอบรม" สามารถสร้างเอาต์พุตตามที่ต้องการบนข้อมูลใหม่ได้ เช่น การจดจำว่ารูปภาพมีแมวหรือสุนัข
การก้าวกระโดดที่สำคัญในการพัฒนาปัญญาประดิษฐ์ในปัจจุบันเกิดจากการปรับปรุงเทคโนโลยีในวิธีการเรียนรู้โครงข่ายประสาทเทียมขนาดใหญ่ ซึ่งช่วยให้สามารถปรับพารามิเตอร์จำนวนมากระหว่างการทำงานแต่ละครั้งได้ด้วยความสามารถของโครงสร้างพื้นฐานคลาวด์คอมพิวติ้งขนาดใหญ่ ตัวอย่างเช่น GPT-3 (ระบบ AI ที่ขับเคลื่อน ChatGPT) เป็นเครือข่ายประสาทขนาดใหญ่ที่มีพารามิเตอร์ 175 พันล้านพารามิเตอร์
สิ่งที่จำเป็นสำหรับปัญญาประดิษฐ์ในการทำงาน?
ปัญญาประดิษฐ์ต้องการสามสิ่งในการทำงานให้สำเร็จ ประการแรก เขาต้องการข้อมูลที่มีคุณภาพ ข้อมูลที่เป็นกลาง และอีกมากมาย นักวิจัยที่สร้างโครงข่ายประสาทเทียมใช้อาร์เรย์ข้อมูลขนาดใหญ่ที่ปรากฏขึ้นเนื่องจากสังคมดิจิทัล
Co-Pilot ดึงข้อมูลจากโค้ดหลายพันล้านบรรทัดที่โฮสต์บน GitHub เพื่อเสริมการทำงานของโปรแกรมเมอร์ที่เป็นมนุษย์ ChatGPT และโมเดลภาษาขนาดใหญ่อื่นๆ ใช้เว็บไซต์และเอกสารข้อความหลายพันล้านรายการที่จัดเก็บไว้ในอินเทอร์เน็ต
เครื่องมือแปลงข้อความเป็นรูปภาพ เช่น การแพร่กระจายที่เสถียร, ดัล-2 และ Midjourney ใช้คู่ข้อความรูปภาพจากชุดข้อมูล เช่น LAION-5B โมเดล AI จะยังคงพัฒนาต่อไปเมื่อเราแปลงชีวิตของเราให้เป็นดิจิทัลมากขึ้นและป้อนแหล่งข้อมูลทางเลือก เช่น ข้อมูลจำลองหรือข้อมูลจากการตั้งค่าเกม เช่น Minecraft
AI ยังต้องการโครงสร้างพื้นฐานด้านคอมพิวเตอร์เพื่อฝึกฝนอย่างมีประสิทธิภาพ เมื่อคอมพิวเตอร์มีประสิทธิภาพมากขึ้น แบบจำลองที่ต้องใช้ความพยายามอย่างเข้มข้นและการคำนวณขนาดใหญ่ในอนาคตอันใกล้อาจได้รับการประมวลผลในเครื่อง ตัวอย่างเช่น โมเดล Stable Diffusion สามารถรันบนเครื่องคอมพิวเตอร์เฉพาะที่ ไม่ใช่ในสภาพแวดล้อมแบบคลาวด์ ความต้องการประการที่สามสำหรับ AI คือโมเดลและอัลกอริทึมที่ได้รับการปรับปรุง ระบบที่ขับเคลื่อนด้วยข้อมูลยังคงก้าวหน้าอย่างรวดเร็วในด้านต่างๆ ซึ่งครั้งหนึ่งเคยเป็นขอบเขตของความรู้ความเข้าใจของมนุษย์
อย่างไรก็ตาม เนื่องจากโลกรอบตัวเราเปลี่ยนแปลงตลอดเวลา ระบบ AI จึงจำเป็นต้องได้รับการฝึกอบรมใหม่อย่างต่อเนื่องโดยใช้ข้อมูลใหม่ หากไม่มีขั้นตอนที่สำคัญนี้ ระบบ AI จะให้คำตอบที่ไม่ถูกต้องตามข้อเท็จจริงหรือไม่คำนึงถึงข้อมูลใหม่ที่เกิดขึ้นตั้งแต่ได้รับการฝึกอบรม
โครงข่ายประสาทเทียมไม่ใช่แนวทางเดียวสำหรับ AI อีกกลุ่มหนึ่งที่โดดเด่นในการวิจัยปัญญาประดิษฐ์คือ AI เชิงสัญลักษณ์ แทนที่จะย่อยข้อมูลอาร์เรย์จำนวนมาก มันอาศัยกฎและความรู้ที่คล้ายกับกระบวนการของมนุษย์ในการสร้างตัวแทนสัญลักษณ์ภายในของปรากฏการณ์บางอย่าง
แต่ในช่วงทศวรรษที่ผ่านมา ความสมดุลของอำนาจได้เอียงไปทางแนวทางที่ขับเคลื่อนด้วยข้อมูลอย่างมาก และ "บิดาผู้ก่อตั้ง" ของการเรียนรู้เชิงลึกสมัยใหม่เพิ่งได้รับรางวัล Turing Prize ซึ่งเทียบเท่ากับรางวัลโนเบลสาขาวิทยาการคอมพิวเตอร์
ข้อมูล การคำนวณ และอัลกอริทึมเป็นพื้นฐานของ AI ในอนาคต ตัวบ่งชี้ทั้งหมดชี้ให้เห็นถึงความก้าวหน้าอย่างรวดเร็วในทั้งสามประเภทสำหรับอนาคตอันใกล้
คุณสามารถช่วยยูเครนต่อสู้กับผู้รุกรานรัสเซีย วิธีที่ดีที่สุดคือบริจาคเงินให้กับกองทัพยูเครนผ่าน เซฟไลฟ์ หรือทางเพจอย่างเป็นทางการ NBU.