Чи справді ШІ може мислити?

Такі компанії, як OpenAI та DeepSeek, розширюють межі логічних чат-ботів, які можуть краще виконувати певні обчислювальні завдання.

Чат-бот OpenAI постійно вдосконалюється завдяки новим технологіям. Фото: New York Times .

У вересні 2024 року OpenAI запустив ChatGPT, версію штучного інтелекту, яка інтегрує модель o1, здатну міркувати в завданнях, пов'язаних з математикою, наукою та комп'ютерним програмуванням.

На відміну від попередньої версії ChatGPT, нова технологія потребуватиме часу, щоб «обміркувати» рішення складних проблем, перш ніж надавати відповідь.

Слідом за OpenAI, багато конкурентів, таких як Google, Anthropic та DeepSeek, також представили аналогічні моделі міркувань. Хоча це не ідеальна технологія, вона все ж таки є технологією оновлення чат-ботів, якій довіряють багато розробників.

Як ШІ міркує

По суті, міркування означають, що чат-боти можуть витрачати більше часу на вирішення проблем, поставлених користувачами.

«Міркування — це те, як система виконує додаткову роботу після отримання запитання», — сказав New York Times Ден Кляйн, професор інформатики Каліфорнійського університету.

Логічна система може розбити проблему на менші окремі кроки або вирішити її методом спроб і помилок.

Під час першого запуску ChatGPT міг миттєво відповідати на запитання, витягуючи та синтезуючи інформацію. Натомість системам міркувань потрібно було ще кілька секунд (або навіть хвилин), щоб вирішити проблему та надати відповідь.

Приклад процесу міркування моделі O1 у чат-боті служби підтримки клієнтів. Зображення: OpenAI .

У деяких випадках система міркувань змінюватиме свій підхід до проблеми, постійно вдосконалюючи рішення. Крім того, модель може протестувати кілька рішень, перш ніж зробити оптимальний вибір, або перевірити точність попередніх відповідей.

Загалом, система міркувань розглядатиме всі можливі відповіді на питання. Це схоже на те, як учні початкової школи записують багато варіантів на папері, перш ніж вибрати найвідповідніше рішення математичної задачі.

Згідно з New York Times , штучний інтелект зараз здатний міркувати майже на будь-яку тему. Однак, найефективнішим він буде для питань, пов'язаних з математикою, природничими науками та комп'ютерним програмуванням.

Як відбувається навчання теоретичної системи?

У типовому чат-боті користувачі все ще можуть запитувати пояснення процесу або перевіряти точність відповіді. Фактично, багато навчальних наборів даних ChatGPT вже містять процедури вирішення проблем.

Система міркувань стає ще більш досконалою, коли вона може виконувати операції без втручання користувача. Цей процес є складнішим і масштабнішим. Компанії використовують слово «міркування», оскільки система працює подібно до того, як думають люди.

Багато компаній, таких як OpenAI, очікують, що системи міркувань будуть найкращим рішенням для покращення чат-ботів, доступних на даний момент. Роками вони вважали, що чат-боти працюють краще, чим більше інформації вони навчаються в Інтернеті.

До 2024 року системи штучного інтелекту використовуватимуть майже весь текст, доступний в інтернеті. Це означає, що компаніям потрібно знайти нові рішення для модернізації чат-ботів, включаючи системи міркувань.

Стартап DeepSeek колись викликав сенсацію своєю моделлю міркувань, яка мала нижчі витрати, ніж OpenAI. Фото: Bloomberg .

З минулого року такі компанії, як OpenAI, зосередилися на методах навчання з підкріпленням. Цей процес зазвичай триває кілька місяців, протягом яких ШІ вивчає поведінку методом спроб і помилок.

Наприклад, вирішуючи тисячі задач, система може визначити оптимальний метод для отримання правильної відповіді. На основі цього дослідники створюють складні механізми зворотного зв'язку, які допомагають системі розрізняти правильні та неправильні рішення.

«Це схоже на те, як ви дресируєте собаку. Якщо система працює добре, ви даєте їй ласощі. Інакше ви кажете: «Цей собака неслухняний», — поділився Джеррі Творек, дослідник OpenAI.

Чи є ШІ майбутнім?

Згідно з New York Times , методи навчання з підкріпленням ефективні при виконанні вимог у математиці, природничих науках та комп'ютерному програмуванні. Це галузі, де можна чітко визначити правильні чи неправильні відповіді.

І навпаки, навчання з підкріпленням неефективне в письменстві, філософії чи етиці — галузях, де важко розрізнити хороше від поганого. Тим не менш, дослідники стверджують, що цей метод все ще може покращити продуктивність ШІ, навіть з нематематичними питаннями.

«Системи вивчатимуть шляхи, які ведуть до позитивних і негативних результатів», — сказав Джаред Каплан, головний науковий директор Anthropic.

Вебсайт Anthropic, стартапу, якому належить модель штучного інтелекту Claude. Фото: Bloomberg .

Важливо зазначити, що навчання з підкріпленням та системи міркування – це дві різні концепції. Зокрема, навчання з підкріпленням – це метод побудови систем міркування. Це завершальний етап навчання, який дозволяє чат-ботам міркувати.

Оскільки це все ще відносно нова теорія, вчені поки що не можуть бути впевнені, чи може чат-ботове мислення або навчання з підкріпленням допомогти ШІ мислити як люди. Слід зазначити, що багато сучасних тенденцій у навчанні ШІ розвиваються дуже швидко спочатку, а потім поступово сповільнюються.

Крім того, чат-боти все ще можуть помилятися в своїх міркуваннях. На основі ймовірності система вибере процес, який найбільше нагадує дані, отримані нею з Інтернету чи за допомогою навчання з підкріпленням. Тому чат-боти все ще можуть вибирати неправильні або нелогічні рішення.

Джерело: https://znews.vn/ai-ly-luan-nhu-the-nao-post1541477.html