ຜູ້ຮ່ວມກໍ່ຕັ້ງ OpenAI ເປີດເຜີຍກ່ຽວກັບ Super AI

Andrej Karpathy ເຊື່ອວ່າ AGI ຍັງຄົງຢູ່ຢ່າງຫນ້ອຍຫນຶ່ງທົດສະວັດ, ຍ້ອນວ່າຕົວແບບໃນປະຈຸບັນຍັງບໍ່ທັນສະຫລາດພຽງພໍແລະຂາດຄວາມສາມາດທາງດ້ານສະຕິປັນຍາທີ່ຄ້າຍຄືກັບມະນຸດ.

Andrej Karpathy, ຜູ້ຮ່ວມກໍ່ຕັ້ງຂອງ OpenAI. ຮູບພາບ: Dwarkesh Patel .

ໃນຂະນະທີ່ຫຼາຍໆຄົນໃນອຸດສາຫະກໍາເຕັກໂນໂລຢີເຊື່ອວ່າປັນຍາທົ່ວໄປປອມ (AGI) ໃກ້ຈະກາຍມາເປັນຄວາມຈິງ, Andrej Karpathy, ນັກວິທະຍາສາດ ທີ່ມີຊື່ສຽງທີ່ເຮັດຫນ້າທີ່ເປັນຫົວຫນ້າ AI ຂອງ Tesla ແລະຜູ້ຮ່ວມກໍ່ຕັ້ງຂອງ OpenAI, ໄດ້ມີທັດສະນະທີ່ແຕກຕ່າງກັນ. ລາວເຊື່ອວ່າເສັ້ນທາງໄປສູ່ AGI ຍັງຍາວໄກແລະໂລກຈະຕ້ອງໃຊ້ເວລາຢ່າງຫນ້ອຍອີກທົດສະວັດເພື່ອເອົາຊະນະສິ່ງທ້າທາຍພື້ນຖານ.

ທ່ານ Karpathy ກ່າວໃນການສົນທະນາທີ່ຜ່ານມາວ່າ "ບັນຫາແມ່ນສາມາດແກ້ໄຂໄດ້, ເຖິງແມ່ນວ່າມັນຈະມີຄວາມຫຍຸ້ງຍາກໃນເວລານີ້.

ບົດຮຽນທີ່ມີຄຸນຄ່າ

ອີງຕາມທ່ານ Karpathy, ການພັດທະນາຢ່າງໄວວາຂອງແບບຈໍາລອງພາສາຂະຫນາດໃຫຍ່ (LLM) ໃນສອງສາມປີຜ່ານມາໄດ້ເຮັດໃຫ້ຫຼາຍຄົນເຊື່ອວ່າຍຸກຂອງ "ຕົວແທນ AI", ລະບົບທີ່ມີຄວາມສາມາດໃນການປົກຄອງຕົນເອງໄດ້ມາຮອດແລ້ວ. ຢ່າງໃດກໍຕາມ, ອະດີດຫົວຫນ້າ AI ຂອງ Tesla ບໍ່ເຫັນດີກັບທັດສະນະນີ້. ລາວເຊື່ອວ່າປີ 2025 ບໍ່ແມ່ນ "ປີຂອງຕົວແທນ AI."

ລາວອະທິບາຍວ່າເຄື່ອງມືເຊັ່ນ: Claude ແລະ Codex ສະແດງໃຫ້ເຫັນທ່າແຮງທີ່ຈະຊ່ວຍເຫຼືອມະນຸດໃນຫຼາຍວຽກງານ, ແຕ່ພວກເຂົາຍັງຢູ່ໄກຈາກການຖືກຖືວ່າເປັນ "ເພື່ອນຮ່ວມງານດິຈິຕອນ".

"ດຽວນີ້, ຕົວແທນ AI ບໍ່ສະຫຼາດພໍ, ພວກເຂົາບໍ່ໄດ້ໃຊ້ຄອມພິວເຕີຕາມທໍາມະຊາດ, ແລະພວກເຂົາບໍ່ມີຄວາມສາມາດໃນການຮຽນຮູ້ຢ່າງຕໍ່ເນື່ອງ. ທ່ານບໍ່ສາມາດບອກພວກເຂົາບາງສິ່ງບາງຢ່າງແລະຄາດຫວັງວ່າພວກເຂົາຈະຈື່ຈໍາມັນ. ພວກເຂົາຂາດສະຕິປັນຍາ, ເຊິ່ງເປັນສິ່ງທີ່ປ້ອງກັນບໍ່ໃຫ້ຕົວແບບເຮັດວຽກຢ່າງແທ້ຈິງ," Karpathy ເວົ້າ.

Karpathy ເປັນຜູ້ອໍານວຍການ AI ຂອງ Tesla. ຮູບພາບ: Teslarati .

ໃນການເຮັດວຽກ 15 ປີຂອງລາວໃນ AI, Karpathy ເວົ້າວ່າລາວໄດ້ເຫັນຈຸດປ່ຽນແປງຫຼາຍຢ່າງທີ່ມີການປ່ຽນແປງອຸດສາຫະກໍາທັງຫມົດ. ລາວໄດ້ສຶກສາແລະເຮັດວຽກກັບ Geoffrey Hinton, ພໍ່ຂອງເຄືອຂ່າຍ neural, ຢູ່ທີ່ມະຫາວິທະຍາໄລ Toronto, ໃນເວລາທີ່ການຮຽນຮູ້ເລິກແມ່ນຍັງເປັນສາຂາທີ່ບໍ່ຄ່ອຍຮູ້ຈັກ. ຄວາມສໍາເລັດຂອງ AlexNet ໃນປີ 2012 ໄດ້ນໍາມາສູ່ຍຸກໃຫມ່ສໍາລັບ AI, ເຮັດໃຫ້ເຄືອຂ່າຍ neural ເປັນພື້ນຖານສໍາລັບຄໍາຮ້ອງສະຫມັກໃນອະນາຄົດຈໍານວນຫຼາຍ.

ຫຼັງຈາກຄື້ນຂອງການຮຽນຮູ້ຢ່າງເລິກເຊິ່ງ, ອຸດສາຫະກໍາ AI ຄ່ອຍໆຫັນໄປສູ່ການສ້າງຕົວແທນທີ່ສາມາດສັງເກດ, ປະຕິບັດ, ແລະຮຽນຮູ້ຈາກສະພາບແວດລ້ອມຂອງພວກເຂົາ. ຫນຶ່ງໃນການທົດລອງຄັ້ງທໍາອິດແມ່ນການຮຽນຮູ້ການເສີມສ້າງຢ່າງເລິກເຊິ່ງກ່ຽວກັບເກມ Atari ປະມານ 2013. ເຖິງແມ່ນວ່າຈະພິຈາລະນາເປັນພື້ນຖານໃນເວລານັ້ນ, ລາວເຊື່ອວ່າທິດທາງນີ້ແມ່ນ "ຄວາມຜິດພາດຂອງເວລາ."

"ມັນເຂົ້າໃຈໄດ້ວ່າປະຊາຊົນຕ້ອງການທົດລອງໃນສະພາບແວດລ້ອມເກມ, ບ່ອນທີ່ມັນງ່າຍທີ່ຈະຈໍາລອງແລະການວັດແທກ. ແຕ່ມັນບໍ່ໄດ້ສະທ້ອນໃຫ້ເຫັນ ໂລກ ທີ່ແທ້ຈິງ. ຖ້າທ່ານພຽງແຕ່ໃຫ້ AI ພິມໃນແປ້ນພິມ, ຄລິກໃສ່ຫນູແລະລໍຖ້າສໍາລັບລາງວັນ, ມັນຈະບໍ່ຮຽນຮູ້ຫຍັງທີ່ສໍາຄັນ," ລາວເວົ້າ.

ບໍ່ແມ່ນເວລາທີ່ຖືກຕ້ອງ

ໃນຂະນະທີ່ຢູ່ OpenAI, Karpathy ໄດ້ເຮັດວຽກຢູ່ໃນ Project Universe, ຄວາມພະຍາຍາມເພື່ອສ້າງຕົວແທນຄວບຄຸມເມົ້າແລະແປ້ນພິມທີ່ສາມາດປະຕິບັດວຽກງານທີ່ແທ້ຈິງໃນໂລກ. ຢ່າງໃດກໍຕາມ, ລາວຍອມຮັບວ່າໂຄງການແມ່ນ "ໄວເກີນໄປ."

Karpathy ກ່າວວ່າ "ພວກເຮົາຍັງບໍ່ມີພະລັງງານຂອງເຄືອຂ່າຍ neural ແລະພວກເຮົາບໍ່ມີເວທີການສ້າງແບບຈໍາລອງພາສາຂະຫນາດໃຫຍ່ທີ່ພວກເຮົາມີໃນມື້ນີ້," Karpathy ເວົ້າ.

Karpathy ເຊື່ອວ່າມັນຈະໃຊ້ເວລາຫນຶ່ງທົດສະວັດເພື່ອພັດທະນາ AGI. ພາບ: ວິທຍາ .

ນັກວິທະຍາສາດກ່າວຕື່ມວ່າເພື່ອພັດທະນາຕົວແທນທີ່ມີຄວາມສະຫຼາດແທ້ໆ, ຕົວແບບຕ້ອງມີພື້ນຖານທີ່ເຂັ້ມແຂງໃນການເປັນຕົວແທນຂອງພາສາແລະສະຕິປັນຍາ. Karpathy ປຽບທຽບຂະບວນການຂອງການຝຶກອົບຮົມກ່ອນຂໍ້ມູນອິນເຕີເນັດກັບຮູບແບບຂອງ "ວິວັດທະນາການທີ່ບໍ່ດີ." ຢ່າງໃດກໍຕາມ, ຂະບວນການນີ້ຊ່ວຍໃຫ້ AI ສະສົມຄວາມຮູ້ແລະຄວາມສາມາດໃນການສົມເຫດສົມຜົນພື້ນຖານ.

ຢ່າງໃດກໍຕາມ, ລາວເຕືອນວ່າການອີງໃສ່ຄວາມຮູ້ທີ່ມີຢູ່ແລ້ວຫຼາຍເກີນໄປສາມາດເຮັດໃຫ້ AI ສ້າງສັນຫນ້ອຍລົງ. ທ່ານ Karpathy ກ່າວວ່າ "ບາງທີພວກເຮົາຕ້ອງຊອກຫາວິທີທີ່ຈະເອົາຄວາມຮູ້ບາງຢ່າງອອກແລະອອກຈາກສິ່ງທີ່ພວກເຮົາເອີ້ນວ່າຫຼັກສະຕິປັນຍາ, ພາກສ່ວນທີ່ສະແດງເຖິງຄວາມສາມາດໃນການຄິດ, ແກ້ໄຂບັນຫາແລະຍຸດທະສາດ," Karpathy ເວົ້າ.

ຕາມ​ນັ້ນ​ແລ້ວ, AI ພວມ​ກ້າວ​ເຂົ້າ​ສູ່​ໄລຍະ​ຫັນ​ປ່ຽນ. ການປະສົມປະສານຂອງພະລັງງານຂອງແບບຈໍາລອງພາສາແລະຄວາມສາມາດຂອງຕົວແທນທີ່ຈະປະຕິບັດຈະເປີດພາກໃຫມ່ສໍາລັບເຕັກໂນໂລຢີ. ຢ່າງໃດກໍຕາມ, ເສັ້ນທາງນັ້ນ, ອີງຕາມ Karpathy, ບໍ່ສາມາດຖືກນັບໃນເວລາພຽງແຕ່ປີ.

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