Искусственный интеллект, Мнение
Будет ли следующий ИИ суперинтеллектуальным?
ИИ уже умеет программировать, и следующий большой ИИ будет так намного лучше.
В 2005 году Рэй Курцвейл сказал: Сингулярность близка. Теперь ИИ может писать код на любом языке, и мы переходим к пути к лучшему ИИ. Сверхразум почти здесь.
GPT-3 получил «ошеломляющие» результаты, обучаясь на огромном количестве данных: в основном, во всем Интернете. Вам не нужно тренироваться в соответствии с вашим конкретным сценарием использования (обучение с нулевым выстрелом). Этим можно обмануть 88% людей, и мы все еще находимся в зачаточном состоянии. 👶
Я приведу три распространенных аргумента в пользу того, почему мы не достигаем сверхразума: (1) мы достигнем пределов данных и обработки, (2) мы не понимаем сознание, и (3) ИИ сейчас глуп, так будет всегда.
«Мы достигнем пределов данных и обработки»
GPT-3 со 175 миллиардами параметров в 117 раз больше GPT-2, что в 10 раз больше GPT. Каждая версия потребляла гораздо больше вычислительных ресурсов, чем предыдущая.
Современные языковые модели ежегодно увеличиваются в размере как минимум в 10 раз. В мозгу более 100 триллионов синапсов. Затем GPT-3 нужно будет вырасти на три порядка, чтобы достичь такого размера. По нашим оценкам, создание модели искусственного интеллекта размером с мозг может занять около трех лет.
Критики говорят, что мы выходим за рамки закона Мура. Однако из-за этого давления возникают новые компьютерные парадигмы. В частности, реализации TPU резко повышают эффективность по сравнению с графическими процессорами, в то время как парадигма квантовых вычислений предлагает потенциал для устойчивого экспоненциального роста.
Смерть одной парадигмы, ведущая к новой, уже происходила много раз: «От электромагнитных калькуляторов до релейных компьютеров и электронных ламп, дискретных транзисторов и интегральных схем», как писал Курцвейл в 2005 году.
Кроме того, 6G обещает увеличить скорость передачи данных в 50 раз, уменьшить задержку в 10 раз и удвоить энергоэффективность - используя такие технологии, как частоты ТГц и новые антенны, - что позволяет реализовать значительно больший ИИ.
Наряду с экспоненциальным ростом скорости вычислений и сети мы также увидим взрывной рост объемов данных. Только в Азии есть 33 ЗБ данных. К 2025 году их будет 175 зайтов, а к 2030 году Азия может оказаться на уровне йоттабайтов.
«Мы не понимаем сознание»
Другая версия этого аргумента гласит, что мы просто не можем воспроизвести сознание в цифровом виде, и поэтому у нас не может быть сверхразума.
Частично это просто отказ принять идеи, которые угрожают нашему мировоззрению. Любой, кто думает, что Homo sapiens особенный и превосходит все остальное, почувствовал бы угрозу от идеи суперинтеллекта. Точно так же идеи Коперника и Дарвина встретили сопротивление в то время.
Более того, нам не нужно понимать «правила» сознания, чтобы создавать интеллект человеческого уровня, поскольку речь идет не о написании миллиардов строк кода, а о создании нейронной сети, которая обучается, самоорганизуется и является биологически активной. вдохновленный. Нейронные сети становятся умными благодаря обучению на основе данных, а не посредством какой-то «инъекции» знаний.
Появляются также новые архитектуры нейронных сетей, позволяющие еще более точно моделировать мозг.
Во многих отношениях машины уже лучше.
Компьютерное оборудование и программное обеспечение можно легко модернизировать - в отличие от в основном фиксированной архитектуры нашего собственного мозга. Клеткам мозга могут потребоваться секунды, чтобы разговаривать друг с другом, в то время как лучшие суперкомпьютеры могут выполнять 415,53 петафлопс - или 415 530 000 000 000 000 операций в секунду. Кроме того, существует ограниченное количество нейронных связей, которые могут поместиться в нашей голове, в то время как нейронные сети в ближайшие годы значительно увеличатся в размерах.
«AI сейчас глуп, так будет всегда»
Обычные люди приводят чрезвычайно распространенный аргумент: «Я получил глупо выглядящий результат от этого ИИ, что означает, что ИИ тупой».
Это похоже на критику оригинального iPhone, раннего блокчейна или любой другой зарождающейся технологии. Как мы выяснили, данные, вычисления и скорость становятся намного лучше.
Более того, многие из этих критиков просто неправильно используют технологию.
Чтобы добиться отличных результатов, нужно следовать инструкциям. Например, GPT-3 работает без какого-либо дополнительного обучения, поэтому вы можете указать ему писать Python, стихи, рэп или что-нибудь еще.
Однако его точность значительно улучшается с помощью «обучения за несколько шагов» или точной настройки модели в соответствии с вашим вариантом использования с небольшими обучающими данными. Если вы собираетесь судить GPT-3, вам следует использовать обучение по нескольку раз с высококачественными данными.
Наконец, есть так много всего, чего мы не видим и не знаем.
Критики смотрят на «верхушку айсберга» - вирусные твиты о GPT-3, возможно, на статью в TechCrunch или Wired, и останавливаются на достигнутом. Крошечное меньшинство людей утруждает себя тестированием, и лишь очень, очень немногие люди используют обучение по принципу «несколько выстрелов», чтобы увидеть, на что оно действительно способно. И это только GPT-3. Каждый день выходят статьи об исследованиях в области ИИ, и невозможно рассмотреть даже небольшую их часть.
Они смотрят на крошечное, предвзятое подмножество ИИ, чтобы провести широкую кисть по полю.
Заключение
В искусственном интеллекте постоянно происходят прорывы, и мы продолжим видеть экспоненциальные улучшения из-за стремительного роста объемов данных, таких технологий, как квантовые вычисления и 6G, а также архитектурных инноваций. Критики обычно не обращают внимания на эти вопросы, высмеивая текущее состояние ИИ и не обращая внимания на будущее.
Чтобы узнать больше о будущем искусственного интеллекта, узнайте о аналитике без кода и AutoML. Такие инструменты, как Apteo объединяют эти тенденции, поэтому любой может создать ИИ без программирования.
