Tamat Permainan? Pertempuran antara AI yang kuat dan AI yang lemah

Memandangkan anak syarikat kecerdasan buatan (AI) Google, DeepMind menerbitkan kertas kerja beberapa minggu lalu yang menerangkan ejen "generalis" yang mereka panggil Gato (yang boleh menggunakan model terlatih yang sama melakukan tugas yang berbeza), dan mendakwa bahawa kecerdasan buatan am (AGI) boleh dicapai melalui skala semata-mata, sekali gus mencetuskan perdebatan sengit dalam industri kecerdasan buatan. Walaupun ia mungkin kelihatan agak akademik, realitinya ialah jika kecerdasan buatan am sudah dekat, masyarakat kita—termasuk undang-undang, peraturan dan model ekonomi kita—tidak akan bersedia.

Malah, terima kasih kepada model terlatih yang sama, ejen generalis Gato dapat memainkan Atari, menambah kapsyen pada gambar, berbual atau menyusun blok dengan lengan robotik sebenar. Ia juga boleh memutuskan sama ada untuk mengeluarkan teks, menyambungkan tork, menekan butang atau penanda lain berdasarkan konteksnya. Jadi ia nampaknya model AI yang lebih umum daripada GPT-3, DALL-E 2, PaLM atau Flamingo yang popular, yang menjadi sangat baik pada tugas khusus yang sangat sempit, seperti penulisan bahasa semula jadi, pemahaman bahasa atau Cipta imej berasaskan pada huraian.

Ini menyebabkan saintis DeepMind dan profesor Universiti Oxford Nando de Freitas mendakwa "Ini semua tentang skala sekarang! Permainan tamat , dan percaya bahawa kecerdasan am buatan (AGI) boleh dicapai melalui skala penuh (iaitu model yang lebih besar, set data latihan yang lebih besar dan kuasa pengkomputeran yang lebih kuat). Walau bagaimanapun, "apakah permainan" yang dibincangkan oleh de Freitas? Apa sebenarnya perdebatan ini?

Debat Kecerdasan Buatan: AI Kuat lwn. AI Lemah

Sebelum membincangkan butiran perdebatan ini dan kesannya terhadap masyarakat yang lebih luas, Adalah wajar mengambil kira berundur dan memahami latar belakang.

Maksud istilah "kecerdasan buatan" telah berubah selama bertahun-tahun, tetapi dari perspektif peringkat tinggi dan umum, ia boleh ditakrifkan sebagai bidang penyelidikan ejen pintar, Ia merujuk kepada mana-mana sistem yang merasakan persekitarannya dan mengambil tindakan untuk memaksimumkan peluangnya untuk mencapai matlamatnya. Takrifan ini sengaja mengenepikan persoalan sama ada ejen atau mesin sebenarnya boleh "berfikir," soalan yang telah lama menjadi subjek perdebatan hangat. Pada tahun 1950, ahli matematik British Alan Turing berhujah dalam kertas terkenalnya "The Imitation Game" bahawa daripada mempertimbangkan sama ada mesin boleh berfikir, adalah lebih baik untuk memberi tumpuan kepada "sama ada mesin berkemungkinan menunjukkan tingkah laku pintar."

Pembezaan ini secara konsep membawa kepada dua cabang utama kecerdasan buatan: kecerdasan buatan yang kuat dan kecerdasan buatan yang lemah. AI yang kuat, juga dikenali sebagai kecerdasan am buatan (AGI), ialah satu bentuk teori kecerdasan buatan di mana mesin memerlukan kecerdasan yang sama seperti manusia. Oleh itu, ia akan sedar diri dan mempunyai keupayaan untuk menyelesaikan masalah, belajar, dan merancang untuk masa depan. Ini adalah definisi kecerdasan buatan yang paling bercita-cita tinggi, "cawan suci kecerdasan buatan" - tetapi buat masa ini, ia kekal sebagai teori tulen. Pendekatan untuk mencapai AI yang kukuh selalunya berkisar kepada AI simbolik, di mana mesin membentuk perwakilan simbolik dalaman "dunia" fizikal dan abstrak supaya peraturan atau alasan boleh digunakan untuk mempelajari dan membuat keputusan selanjutnya.

Sementara penyelidikan dalam bidang ini diteruskan, ia setakat ini mempunyai kejayaan yang terhad dalam menyelesaikan masalah kehidupan sebenar kerana perwakilan dalaman atau simbolik dunia dengan cepat menjadi Tidak terurus.

AI yang lemah, juga dikenali sebagai "AI sempit", ialah pendekatan yang kurang bercita-cita tinggi untuk kecerdasan buatan yang menumpukan pada melaksanakan tugas tertentu, seperti menjawab soalan berdasarkan input pengguna, mengenali wajah atau bermain catur, sambil bergantung mengenai campur tangan manusia untuk menentukan parameter algoritma pembelajarannya dan menyediakan data latihan yang berkaitan untuk memastikan ketepatan.

Walau bagaimanapun, kemajuan ketara telah dicapai dalam kecerdasan buatan yang lemah, contoh terkenal termasuk algoritma pengecaman muka, model bahasa semula jadi (seperti GPT-n OpenAI), pembantu maya (seperti Siri atau Alexa), Google /Program permainan catur DeepMind AlphaZero, dan sedikit sebanyak kereta tanpa pemandu.

Kaedah untuk mencapai AI yang lemah selalunya berkisar pada penggunaan rangkaian saraf tiruan, sistem yang diilhamkan oleh rangkaian saraf biologi yang membentuk otak haiwan. Ia adalah koleksi nod atau neuron yang saling berkaitan, digabungkan dengan fungsi pengaktifan yang menentukan output berdasarkan data yang dibentangkan dalam "lapisan input" dan pemberat dalam interkoneksi. Untuk melaraskan pemberat dalam interkoneksi supaya "output" berguna atau betul, rangkaian boleh "dilatih" dengan mendedahkannya kepada banyak contoh data dan "mengedarkan" kehilangan output.

Boleh dikatakan terdapat cabang ketiga yang dipanggil "kecerdasan buatan neuro-simbolik", yang menggabungkan rangkaian saraf dan kecerdasan buatan berasaskan peraturan. Walaupun secara konsep menjanjikan dan kukuh, memandangkan ia kelihatan lebih dekat dengan cara otak biologi kita beroperasi, ia masih dalam peringkat awal.

Adakah ini benar-benar soal skala?

Kunci kepada perdebatan semasa ialah sama ada, dengan AI dan model pembelajaran mesin dengan skala yang mencukupi, kecerdasan am buatan (AGI) benar-benar boleh dicapai, sekali gus menyingkirkan sepenuhnya kecerdasan buatan simbolik. Adakah ia hanya soal penskalaan dan pengoptimuman perkakasan sekarang, atau adakah kita perlu menemui dan membangunkan lebih banyak lagi dalam algoritma dan model AI?

Tesla juga nampaknya menerima pandangan Google/DeepMind. Pada acara Hari Kecerdasan Buatan (AI) 2021, Tesla mengumumkan pelancaran Tesla Bot, juga dikenali sebagai Optimus, robot humanoid universal yang akan dibangunkan oleh Tesla Controlled oleh sistem AI yang sama yang dibangunkan untuk sistem bantuan pemandu lanjutan yang digunakan dalam kereta. Menariknya, Ketua Pegawai Eksekutif syarikat Elon Musk telah menyatakan bahawa dia berharap untuk memiliki robot itu dalam pengeluaran menjelang 2023, dengan mendakwa bahawa Optimus Prime akhirnya akan dapat melakukan "apa sahaja yang manusia tidak mahu lakukan, " bermakna dia menjangkakan AGI kemudiannya akan menjadi. mungkin.

Walau bagaimanapun, kumpulan penyelidikan AI lain—terutamanya termasuk Yann LeCun, ketua saintis AI Meta dan seorang profesor di Universiti New York, yang lebih suka istilah Kecerdasan Buatan Manusia (HLAI) yang kurang bercita-cita tinggi—berhujah Masih terdapat banyak masalah untuk diselesaikan yang berada di luar jangkauan kuasa pengiraan semata-mata dan mungkin memerlukan model baharu atau bahkan paradigma perisian.

Dalam masalah ini, mesin mempunyai keupayaan untuk memahami cara dunia berfungsi melalui pemerhatian seperti bayi, meramalkan bagaimana ia akan mempengaruhi dunia melalui tindakannya dan menangani ketidakpastian yang wujud. alam semula jadi, meramalkan kesan siri tindakan untuk dapat menaakul dan merancang, dan mewakili dan meramalkan dalam ruang abstrak. Akhirnya, perdebatan adalah sama ada ini boleh dicapai dengan pembelajaran berasaskan kecerunan dengan hanya rangkaian saraf tiruan sedia ada kami, atau sama ada lebih banyak penemuan diperlukan.

Walaupun model pembelajaran mendalam sememangnya mampu menghasilkan "ciri utama" daripada data tanpa memerlukan campur tangan manusia, mudah untuk mempercayai bahawa mereka akan dapat memanfaatkan lebih banyak data dan kuasa pengkomputeran untuk melombong dan menyelesaikan masalah yang tinggal, tetapi ini mungkin terlalu bagus untuk menjadi kenyataan. Untuk menggunakan analogi mudah, mereka bentuk dan membina kereta yang lebih pantas dan lebih berkuasa tidak akan membuat mereka terbang, kerana kita perlu memahami sepenuhnya aerodinamik untuk menyelesaikan masalah penerbangan di tempat pertama.

Kemajuan yang dibuat menggunakan model AI pembelajaran mendalam adalah mengagumkan, tetapi patut difikirkan sama ada pandangan optimis pengamal AI yang lemah hanyalah tukul Maslow atau kes "Undang-Undang Alat" ", iaitu, "Jika satu-satunya alat yang anda ada ialah tukul, anda cenderung untuk melihat setiap masalah sebagai paku."

Permainan tamat atau bekerjasama?

Penyelidikan asas seperti Google/DeepMind, Meta atau Tesla sering menjadikan industri swasta tidak selesa kerana, walaupun belanjawan mereka besar, organisasi ini selalunya lebih menjurus ke arah persaingan dan kepantasan ke pasaran berbanding akademia Bekerjasama dan berfikir jangka panjang.

Menyelesaikan AGI mungkin memerlukan dua pendekatan, bukannya persaingan antara penyokong AI yang kuat dan lemah. Tidaklah mudah untuk membuat analogi dengan otak manusia, yang mempunyai keupayaan pembelajaran sedar dan tidak sedar. Serebelum kita membentuk kira-kira 10% daripada isipadu otak tetapi mengandungi lebih 50% daripada jumlah neuron dan bertanggungjawab untuk koordinasi dan pergerakan yang berkaitan dengan kemahiran motor, terutamanya tangan dan kaki, serta mengekalkan postur dan keseimbangan. Ini dilakukan dengan cepat dan tanpa sedar, dan kami tidak dapat menjelaskan cara kami melakukannya. Walau bagaimanapun, otak sedar kita, walaupun jauh lebih perlahan, mampu memproses konsep abstrak, perancangan, dan ramalan. Tambahan pula, adalah mungkin untuk memperoleh pengetahuan secara sedar dan, melalui latihan dan pengulangan, mencapai automasi—sesuatu yang dicemerlangan atlet profesional.

Seseorang pasti tertanya-tanya, jika alam semula jadi telah mengembangkan otak manusia dengan cara hibrid sedemikian selama ratusan ribu tahun, mengapa purata sistem kecerdasan buatan bergantung pada satu model atau algoritma.

Kesan kepada Masyarakat dan Pelabur

Tidak kira teknologi AI asas khusus yang akhirnya akan membolehkan kecerdasan buatan am, acara ini akan memberi impak yang besar kepada masyarakat kita - sama seperti roda, enjin wap, elektrik Atau komputer. Boleh dikatakan, jika perniagaan boleh menggantikan manusia sepenuhnya dengan robot, model ekonomi kapitalis kita perlu berubah, jika tidak, pergolakan sosial akhirnya akan berlaku.

Setelah mengatakan semua itu, mungkin perdebatan yang sedang berlangsung adalah sedikit seperti PR korporat, dan hakikatnya kecerdasan buatan am adalah lebih jauh daripada yang kita fikirkan sekarang, jadi kami mempunyai masa untuk menangani potensi Pengaruhnya. Walau bagaimanapun, dalam jangka pendek, adalah jelas bahawa usaha untuk kecerdasan buatan am akan terus memacu pelaburan dalam bidang teknologi tertentu, seperti perisian dan semikonduktor.

Kejayaan kes penggunaan khusus dalam rangka kerja AI yang lemah telah menyebabkan tekanan yang meningkat pada keupayaan perkakasan sedia ada kami. Contohnya, model OpenAI Generative Pre-Trained Transformer 3 (GPT-3) yang popular yang dilancarkan pada 2020, yang sudah boleh menulis prosa mentah dengan kefasihan seperti manusia, mempunyai 175 bilion parameter dan mengambil masa beberapa bulan untuk melatih .

Boleh dikatakan bahawa beberapa produk semikonduktor sedia ada hari ini - termasuk CPU, GPU dan FPGA - mampu mengira algoritma pembelajaran mendalam dengan lebih atau kurang cekap. Walau bagaimanapun, apabila saiz model meningkat, prestasinya menjadi tidak memuaskan, dan keperluan timbul untuk reka bentuk tersuai yang dioptimumkan untuk beban kerja AI. Penyedia awan terkemuka seperti Amazon, Alibaba, Baidu dan Google telah mengambil laluan ini, serta Tesla dan pelbagai syarikat permulaan semikonduktor seperti Cambrian, Cerebras, Esperanto, Graphcore, Groq, Mythic dan Sambanova .

Atas ialah kandungan terperinci Tamat Permainan? Pertempuran antara AI yang kuat dan AI yang lemah. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!