Ο συνιδρυτής του OpenAI αποκαλύπτει για την υπερ-τεχνητή νοημοσύνη

Andrej Karpathy, συνιδρυτής του OpenAI. Φωτογραφία: Dwarkesh Patel .

Ενώ πολλοί στον κλάδο της τεχνολογίας πιστεύουν ότι η τεχνητή γενική νοημοσύνη (AGI) βρίσκεται στα πρόθυρα να γίνει πραγματικότητα, ο Andrej Karpathy, ένας διάσημος επιστήμονας που διετέλεσε επικεφαλής της Τεχνητής Νοημοσύνης της Tesla και συνιδρυτής της OpenAI, έχει διαφορετική άποψη. Πιστεύει ότι ο δρόμος προς την AGI είναι ακόμα μακρύς και ο κόσμος θα χρειαστεί τουλάχιστον άλλη μια δεκαετία για να ξεπεράσει τις θεμελιώδεις προκλήσεις.

«Τα προβλήματα είναι επιλύσιμα, αν και είναι δύσκολα αυτή τη στιγμή. Νομίζω ότι θα χρειαστούν περίπου δέκα χρόνια για να ξεπεραστούν όλοι οι τρέχοντες περιορισμοί», δήλωσε ο Karpathy σε πρόσφατη συνομιλία.

Πολύτιμο μάθημα

Σύμφωνα με τον κ. Karpathy, η ραγδαία ανάπτυξη μεγάλων γλωσσικών μοντέλων (LLM) τα τελευταία χρόνια έχει οδηγήσει πολλούς να πιστέψουν ότι έχει φτάσει η εποχή των «πρακτόρων Τεχνητής Νοημοσύνης», συστημάτων με αυτόνομες δυνατότητες. Ωστόσο, ο πρώην επικεφαλής της Τεχνητής Νοημοσύνης στην Tesla διαφωνεί με αυτή την άποψη. Πιστεύει ότι το 2025 δεν είναι «η χρονιά του πράκτορα Τεχνητής Νοημοσύνης».

Εξηγεί ότι εργαλεία όπως το Claude και το Codex δείχνουν τη δυνατότητα να βοηθήσουν τους ανθρώπους σε πολλές εργασίες, αλλά απέχουν ακόμη πολύ από το να θεωρηθούν «ψηφιακοί συνάδελφοι».

«Αυτή τη στιγμή, οι πράκτορες της Τεχνητής Νοημοσύνης δεν είναι αρκετά έξυπνοι, δεν χρησιμοποιούν υπολογιστές με φυσικό τρόπο και δεν έχουν την ικανότητα να μαθαίνουν συνεχώς. Δεν μπορείς να τους πεις κάτι και να περιμένεις να το θυμούνται. Δεν έχουν γνωστική λειτουργία, κάτι που εμποδίζει τα μοντέλα να λειτουργήσουν πραγματικά», είπε ο Karpathy.

Ο Karpathy διετέλεσε διευθυντής Τεχνητής Νοημοσύνης στην Tesla. Φωτογραφία: Teslarati .

Στην 15χρονη καριέρα του στην Τεχνητή Νοημοσύνη, ο Karpathy λέει ότι έχει δει πολλά σημεία καμπής που έχουν αλλάξει ολόκληρο τον κλάδο. Σπούδασε και συνεργάστηκε με τον Geoffrey Hinton, τον πατέρα των νευρωνικών δικτύων, στο Πανεπιστήμιο του Τορόντο, όταν η βαθιά μάθηση ήταν ακόμα ένας σχετικά άγνωστος τομέας σπουδών. Η επιτυχία του AlexNet το 2012 εγκαινίασε μια νέα εποχή για την Τεχνητή Νοημοσύνη, καθιστώντας τα νευρωνικά δίκτυα το θεμέλιο για πολλές μελλοντικές εφαρμογές.

Μετά το κύμα της βαθιάς μάθησης, η βιομηχανία της Τεχνητής Νοημοσύνης σταδιακά στράφηκε στην κατασκευή πρακτόρων που μπορούσαν να παρατηρούν, να ενεργούν και να μαθαίνουν από το περιβάλλον τους. Ένα από τα πρώτα πειράματα ήταν η βαθιά ενισχυτική μάθηση σε ένα παιχνίδι της Atari γύρω στο 2013. Αν και θεωρήθηκε πρωτοποριακή εκείνη την εποχή, πιστεύει ότι αυτή η κατεύθυνση ήταν «ένα λάθος συγχρονισμού».

«Είναι κατανοητό ότι οι άνθρωποι θέλουν να πειραματιστούν σε ένα περιβάλλον παιχνιδιού, όπου είναι εύκολο να προσομοιωθούν και να μετρηθούν. Αλλά αυτό δεν αντικατοπτρίζει τον πραγματικό κόσμο . Αν απλώς αφήσετε την Τεχνητή Νοημοσύνη να πληκτρολογεί σε ένα πληκτρολόγιο, να κάνει κλικ σε ένα ποντίκι και να περιμένει μια ανταμοιβή, δεν θα μάθει τίποτα σημαντικό», είπε.

Δεν είναι η κατάλληλη στιγμή

Ενώ εργαζόταν στην OpenAI, ο Karpathy εργαζόταν στο Project Universe, μια προσπάθεια δημιουργίας ενός agent που ελέγχεται από ποντίκι και πληκτρολόγιο και θα μπορούσε να εκτελεί εργασίες στον πραγματικό κόσμο. Ωστόσο, παραδέχεται ότι το έργο ήταν «πολύ νωρίς».

«Δεν έχουμε ακόμη τη δύναμη των νευρωνικών δικτύων και δεν έχουμε τη μεγάλη πλατφόρμα μοντελοποίησης γλώσσας που έχουμε σήμερα», είπε ο Karpathy.

Η Karpathy πιστεύει ότι θα χρειαστεί μια δεκαετία για να αναπτυχθεί η ΓΓΠ. Φωτογραφία: Vidhya .

Ο επιστήμονας πρόσθεσε ότι για να αναπτυχθεί ένας πραγματικά έξυπνος πράκτορας, τα μοντέλα πρέπει να έχουν μια σταθερή βάση στην αναπαράσταση και τη γνωστική λειτουργία της γλώσσας. Ο Karpathy παρομοίασε τη διαδικασία της προεκπαίδευσης σε δεδομένα του διαδικτύου με μια μορφή «κακής εξέλιξης». Ωστόσο, αυτή η διαδικασία βοηθά την Τεχνητή Νοημοσύνη να συσσωρεύσει μια τεράστια ποσότητα γνώσης και βασικών ικανοτήτων συλλογισμού.

Ωστόσο, προειδοποιεί ότι η υπερβολική εξάρτηση από την υπάρχουσα γνώση θα μπορούσε να κάνει την Τεχνητή Νοημοσύνη λιγότερο δημιουργική. «Ίσως πρέπει να βρούμε έναν τρόπο να αφαιρέσουμε μέρος της γνώσης και να αφήσουμε αυτό που ονομάζουμε γνωστικό πυρήνα, το μέρος που αντιπροσωπεύει την ικανότητα σκέψης, επίλυσης προβλημάτων και χάραξης στρατηγικής», είπε ο Karpathy.

Συνεπώς, η Τεχνητή Νοημοσύνη εισέρχεται σε μια μεταβατική φάση. Ο συνδυασμός της δύναμης των γλωσσικών μοντέλων και της ικανότητας των πρακτόρων να ενεργούν θα ανοίξει ένα νέο κεφάλαιο για την τεχνολογία. Ωστόσο, αυτή η πορεία, σύμφωνα με την Karpathy, δεν μπορεί να μετρηθεί μόνο σε χρόνια.

Πηγή: https://znews.vn/dong-sang-lap-openai-agi-van-con-cach-xa-mot-thap-ky-post1595617.html