რამდენად ახლოს ვართ სამყაროსთან, სადაც მანქანები ინტელექტით ადამიანზე აღმატებულნი იქნებიან? ყოველ ჯერზე, როდესაც ვცდილობთ პროგრამული ამოცანის ამოხსნისას კომპიუტერივით ვიფიქროთ, ვრწმუნდებით, რომ ადამიანურ აზროვნებასა და პროგრამული უზრუნველყოფის კოდს შორის ზღვარი აშკარაა.

რამდენიმე კვირის წინ Google-მა დაითხოვა AI ინჟინერი ბლეიკ ლემოინი იმის გამო, რომ მან თქვა — LaMDA ჩეტბოტთან საუბრისას მივხვდი, რომ მას ცნობიერი აქვს. ლეიმოინის ამ განცხადებამდე ორი დღით ადრე პულიცერის პრემიის ლაურეატმა კოგნიტურმა მეცნიერმა, დაგლას ჰოფსტადერმა დაწერა სტატია, რომელშიც აღნიშნა, რომ ხელოვნურ ნეირონულ ქსელს (ანუ LaMDA-ს უკან არსებულ პროგრამულ უზრუნველყოფას) არ აქვს ცნობიერი. ის ამ დასკვნამდე მივიდა კიდევ ერთ მძლავ AI ჩეტბოტთან GPT-3-თან საუბრის შედეგად. მეცნიერმა საკუთარი სტატია დაასრულა დასკვნით, რომ ჩვენ კიდევ ათწლეულები გვაშორებს ცნობიერი მანქანებისგან.

რამდენიმე კვირის შემდეგ Meta-ს ხელოვნური ინტელექტის ლაბორატორიის მთავარმა სპეციალისტმა, იან ლეცუნმა გამოსცა სტატია სახელწოდებით "გზა ავტონომიურ მანქანურ ინტელექტამდე". ის თავის ნაშრომში გვიზიარებს არქიტექტურას, რომელიც სცილდება ცნობიერებასა და გრძნობებს, რათა გაკვალოს გზა AI-სთვის, რომელსაც ექნება ადამიანის მსგავსად ფიქრისა და დაგეგმვის უნარი. მკვლევრები ამას ხელოვნურ ზოგად ინტელექტს (AGI) უწოდებენ.

ალბათ, თავის დროზე ლეცუნის ამ სტატიასაც ისეთივე მოწიწებით მოვეპყრობით, როგორი პატივისცემითაც დღეს ალან ტურინგის 1936 წლის სტატიას მოვიხსენიებთ, რომელშიც მან თანამედროვე ციფრული კომპიუტერების არქიტექტურა ჩამოაყალიბა და აი, რატომ.

ქმედების სიმულაციისას "მსოფლიოს მოდელის" გამოყენება

ლეცუნის პირველი გარღვევა მდგომარეობს წარმოდგენაში, როგორ შეიძლება გადალახო მისი "მსოფლიოს მოდელით" თანამედროვე სპეციალიზებული AI. ეს ნაწილობრივ შესაძლებელი ხდება პროგნოზირების უნარის მქონე მოდელებისთვის იერარქიული მოდელების შექმნით. ეს მოდელები ისწავლიან, წარმოადგინონ სამყარო აბსტრაქციის მრავალ საფეხურსა და დროის მრავალ შრეში.

ამ მსოფლიოს მოდელით ჩვენ შეგვეძლება მოქმედებათა თანმიმდევრობის გამეორებით შესაძლო მომავალი მდგომარეობების პროგნოზირება. თავის ნაშრომში ის აღნიშნავს: "ეს ანალოგიებით ფიქრის საშუალებას მოგვცემს, ანუ ერთი სიტუაციისთვის მორგებულ მოდელს სხვა სიტუაციასაც მოვარგებთ."

მორგების მოდელი დასწავლისთვის

ამას ლიცუნის ნაშრომის მეორე მსხვილ ინოვაციამდე მივყავართ. როგორც ის აღნიშნავს, "შესაძლებელია გარემოსთვის "უნივერსალური" მსოფლიო მოდელის წარმოდგენა, რომლის პარამეტრების მცირე ნაწილი ხელთ არსებული ამოცანისთვის კონფიგურატორის (მორგების მოდელის) მიერ არის მოდულირებული". ის ღიას ტოვებს შეკითხვას, როგორ სწავლობს კონფიგურატორი რთული დავალებების დაშლას თანმიმდევრულ ქვემიზნებად. თუმცა ეს ფაქტობრივად ისაა, თუ როგორ იყენებს ადამიანის გონება ანალოგებს.

მაგალითად, წარმოიდგინეთ, რომ დღეს დილით სასტუმროს ნომერში გაგეღვიძათ და პირველად უნდა გამოიყენოთ აბაზანა. დიდი ალბათობით, თქვენ დავალებას ქვემიზნებად დაყოფდით, რომლებიც დაფუძნებულნი იქნებოდნენ თქვენ მიერ ადრე გამოყენებული აბაზანების ანალოგიებზე. პირველ რიგში, დაადგენდით, როგორ მოგეშვათ წყალი, შემდეგ — რა მიმართულებით უნდა გახსნათ ონკანი, რომ ცხელი წყალი წამოვიდეს და სხვა. თქვენ ამ დროს აბაზანაში არსებულ უამრავ მონაცემს უგულვებელყოფთ და კონცენტრირდებით მხოლოდ დავალებისთვის შესაფერის ობიექტებზე.

მესამე გარღვევა ყველაზე ძლიერია. ლეცუნის არქიტექტურა თვითკონტროლირებადი სწავლების პარადგიმით იმართება. ეს ნიშნავს, რომ ხელოვნურ ინტელექტს თავისით შეუძლია, ისწავლოს ვიდეოების ყურებით, ტექტების კითხვით, ადამიანებთან კომუნიკაციით, მონაცემების ან ნებისმიერი სხვა მასალის ანალიზით. AI-ების უმეტესობა დღეს სპეციალური ადამიანი ტრენერების მიერ შერჩეული მონაცემებით უნდა ავარჯიშდნენ.

Google-ის DeepMind-მა ახლახან გამოუშვა მონაცემთა ბაზა შექმნილი მათი AlphaFold AI-ის მიერ. ის მოიცავს მეცნიერებისთვის ცნობილი დაახლოებით 200 მილიონი ცილის ფორმას. წინათ, მკვლევრებს 3-5 წელი დასჭირდათ, რათა მხოლოდ ერთი ცილის ფორმა გაეგოთ. DeepMind’s AI-მა and AlphaFold-მა იმავე პერიოდში თითქმის 200 მილიონის დადგენა შეძლეს.

რას ნიშნავს, როდესაც ხელოვნურ ინტელექტს ფიქრი და დაგეგმვა ადამიანის დახმარების გარეშეც შეუძლია? თანამედროვე AI ტექნოლოგიები — მანქანური სწავლება, ჩეტბოტები — უკვე ცვლიან მრავალი ორგანიზაციის (ფარმაკოლოგიურით დაწყებული და სადაზღვეოთი დამთავრებული) საქმიანობას.

როდესაც ისინი — ადამიანის ინტელექტის მქონე რობოტები — "დაიბადებიან", თან მოიტანენ უამრავ ახალ შესაძლებლობებსა და ძალიან ბევრ რისკს. თუმცა როდის მოხდება ეს, დანამდვილებით ჯერ არავინ იცის.