Во август 1955 година, група научници поднеле барање за финансирање од 13 американски долари за да се спроведе летен семинар на колеџот Дартмут, Њу Хемпшир. Полето што тие предложија да го истражат беше вештачката интелигенција (АИ). Иако барањето за финансирање беше скромно, хипотезата на истражувачите не беше: „Секој аспект на учењето или која било друга карактеристика на интелигенцијата, во принцип, може да се опише толку прецизно што може да се изгради машина за да го имитира“.
Од овие скромни почетоци, филмовите и медиумите ја романтизираа вештачката интелигенција или ја прикажуваа како негативец. Сепак, за повеќето луѓе, вештачката интелигенција остана само прашање на дебата, а не дел од свесното животно искуство.
На крајот на минатиот месец, вештачката интелигенција во форма на Разговор GPT изби од научно-фантастичните шпекулации и лаборатории за истражување и на десктоп компјутерите и телефоните на пошироката јавност. Ова е таканаречената „генеративна вештачка интелигенција“ - неочекувано интелигентно формулирана инструкција може да напише есеј или да направи рецепт и список за купување или да создаде песна во стилот на Елвис Присли.
Иако Разговор GPT беше најимпресивниот учесник во годината на генеративен успех со вештачка интелигенција, системите како овој покажаа уште поголем потенцијал за создавање нова содржина, а инструкциите за текст во слика се користат за создавање живописни слики кои дури и победија на уметнички натпревари. Вештачката интелигенција можеби сè уште нема жива свест или теоријата на умот популаризирана во научно-фантастични филмови и романи, но се поблиску до барем да го наруши она што мислиме дека системите со вештачка интелигенција можат да го направат.
Истражувачите кои тесно соработуваат со овие системи се омаловажуваат од изгледите за интелигенција, како во случајот со LaMDA Large Language Model (LLM) на Google. LLM е модел кој е обучен да обработува и генерира природен јазик.
Генеративната вештачка интелигенција, исто така, покрена загриженост за плагијат, искористување на оригиналната содржина што се користи за градење модели, етиката на манипулација со информации и злоупотреба на довербата, па дури и за „крајот на програмирањето“.
Што навистина значи вештачката интелигенција?
Во центарот на сето ова е прашањето чија релевантност расте од летниот семинар во Дартмут: Дали вештачката интелигенција се разликува од човечката интелигенција? За да се смета за вештачка интелигенција, системот мора да покаже одредено ниво на учење и адаптација. Поради оваа причина, системите за донесување одлуки, автоматизација и статистика не се вештачка интелигенција. Општо земено, вештачката интелигенција е поделена на две категории: вештачка тесна интелигенција (ВИ) и вештачка општа интелигенција (ВИ). Во моментов ЗЗО не постои. Клучен предизвик за градење на општа вештачка интелигенција е адекватно да се моделира светот со целокупното знаење, на конзистентен и корисен начин. Ова е, благо кажано, задача од големи размери.
Повеќето од она што го знаеме како вештачка интелигенција денес има тесна интелигенција - каде што специфичен систем решава специфичен проблем. За разлика од човечката интелигенција, таквата тесна вештачка интелигенција е ефикасна само во доменот во кој е обучен: како што се откривање измами, препознавање лица или социјални препораки. И вештачката интелигенција ќе функционира на ист начин како личност. Во моментов, најистакнатиот пример за обиди да се постигне ова е употребата на невронски мрежи и длабоко учење обучени на огромни количини на податоци.
Невронските мрежи се инспирирани од тоа како функционира човечкиот мозок. За разлика од повеќето модели за машинско учење, кои вршат пресметки на податоци за обука, невронските мрежи работат така што ја напојуваат секоја податочна точка за возврат преку меѓусебно поврзана мрежа, приспособувајќи ги параметрите секој пат. Како што се внесуваат се повеќе податоци преку мрежата, параметрите се стабилизираат, што резултира со „обучена“ невронска мрежа која потоа може да го произведе посакуваниот излез на нови податоци - на пример, препознавајќи дали сликата содржи мачка или куче.
Значителен скок во развојот на вештачката интелигенција денес се должи на технолошките подобрувања во методите за учење на големи невронски мрежи, кои овозможуваат прилагодување на огромен број параметри за време на секое извршување благодарение на можностите на големите инфраструктури за компјутерски облак. На пример, GPT-3 (системот AI што го напојува ChatGPT) е голема невронска мрежа со 175 милијарди параметри.
Што е потребно за да функционира вештачката интелигенција?
На вештачката интелигенција и требаат три работи за успешно да функционира. Прво, му требаат квалитетни, објективни податоци и многу од нив. Истражувачите кои градат невронски мрежи користат големи низи на податоци кои се појавија благодарение на дигитализацијата на општеството.
Надополнувајќи ги човечките програмери, Co-Pilot ги црпи своите податоци од милијарди линии код хостирани на GitHub. ChatGPT и другите големи јазични модели користат милијарди веб-локации и текстуални документи складирани на Интернет.
Алатки за конверзија од текст во слика како на пр Стабилна дифузија, ДАЛЕ-2 и Midjourney, користете парови слика-текст од сетови на податоци како што е LAION-5B. Моделите со вештачка интелигенција ќе продолжат да се развиваат додека дигитализираме поголем дел од нашите животи и ги храниме со алтернативни извори на податоци, како што се податоци за симулација или податоци од поставките за игра како Minecraft.
На вештачката интелигенција, исто така, и е потребна компјутерска инфраструктура за ефикасно тренирање. Како што компјутерите стануваат помоќни, моделите за кои сега бараат интензивен напор и големи пресметки може во блиска иднина да се обработуваат локално. На пример, моделот Stable Diffusion веќе може да се извршува на локални компјутери, а не во облак средини. Третата потреба за вештачка интелигенција е подобрените модели и алгоритми. Системите управувани од податоци продолжуваат да прават брз напредок во областите кои некогаш се сметаа за домен на човечкото сознание.
Меѓутоа, бидејќи светот околу нас постојано се менува, системите за вештачка интелигенција треба постојано да се преквалификуваат користејќи нови податоци. Без овој важен чекор, системите за вештачка интелигенција ќе даваат одговори кои се фактички неточни или не ги земаат предвид новите информации што се појавија откако биле обучени.
Невронските мрежи не се единствениот пристап кон вештачката интелигенција. Друг значаен камп во истражувањето на вештачката интелигенција е симболичната вештачка интелигенција - наместо да се вари огромни низи податоци, таа се потпира на правила и знаење слични на човечкиот процес на формирање внатрешни симболички претстави на одредени феномени.
Но, во текот на изминатата деценија, рамнотежата на моќта силно се навалува кон пристапи водени од податоци, а на „основачите“ на модерното длабоко учење неодамна им беше доделена Туринговата награда, еквивалент на Нобеловата награда за компјутерски науки.
Податоците, пресметките и алгоритмите ја формираат основата на идната вештачка интелигенција. Сите показатели укажуваат на брз напредок во сите три категории во догледна иднина.
Можете да и помогнете на Украина да се бори против руските напаѓачи. Најдобар начин да го направите ова е да донирате средства за вооружените сили на Украина преку Савелифе или преку официјалната страница Bвезди.