Από την εμφάνιση των μεγάλων γλωσσικών μοντέλων (LLMs), που πλέον έχουν διεισδύσει σχεδόν σε κάθε πτυχή της ψηφιακής μας ζωής, επιστήμονες, ειδικοί, ηγετικά στελέχη της βιομηχανίας και βασικά όλοι, έχουν άποψη για την τεχνητή νοημοσύνη και προς τα πού κατευθύνεται.
Ορισμένοι ερευνητές που έχουν μελετήσει την εμφάνιση της μηχανικής νοημοσύνης θεωρούν ότι η Μοναδικότητα —το θεωρητικό σημείο όπου η μηχανή θα ξεπεράσει τον άνθρωπο σε νοημοσύνη— θα μπορούσε να συμβεί μέσα στις επόμενες δεκαετίες.
Αντίθετα με αυτές τις προβλέψεις, ο διευθύνων σύμβουλος της Anthropic πιστεύει ότι βρισκόμαστε ακριβώς στο κατώφλι της. Για την ακρίβεια, έχουμε ακόμη περίπου 3 μήνες. Μια νέα ανάλυση που βασίστηκε σε «8.590 προβλέψεις επιστημόνων, κορυφαίων επιχειρηματιών και της κοινότητας» επιχειρεί να προσπαθεί να κατανοήσει όλες τις -συχνά αντικρουόμενες- εκτιμήσεις για την τεχνητή νοημοσύνη και να παρακολουθήσει πώς αυτές αλλάζουν με την πάροδο του χρόνου. Η εκτεταμένη έρευνα αυτή πραγματοποιήθηκε από τον οργανισμό AIMultiple, ο οποίος αξιολογεί τις νέες τεχνολογίες με τη χρήση ισχυρών τεχνικών ανάλυσης δεδομένων.
Αν και η έρευνα εξετάζει διάφορα «όρια » για την τεχνητή νοημοσύνη (όπως την γενική τεχνητή νοημοσύνη – AGI και την υπερ-νοημοσύνη), οι ηγέτες της βιομηχανίας AI εμφανίστηκαν γενικά πιο αισιόδοξοι στις εκτιμήσεις τους. Οι περισσότεροι ερωτηθέντες, ωστόσο, θεωρούν ότι η AGI είναι πιθανότερο να γίνει πραγματικότητα μέσα στα επόμενα 50 χρόνια.
Το χρονοδιάγραμμα ωστόσο, της άφιξης τόσο της Γενικής Τεχνητής Νοημοσύνης και της Μοναδικότητας, έχει αλλάξει ριζικά με την εμφάνιση των πρώτων μεγάλων γλωσσικών μοντέλων LLMs, στη διάρκεια των τελευταίων ετών.
“Οι πρόσφατες έρευνες μελετητών της ΤΝ, κάνουν προβλέψεις για την ύπαρξη της Γενικής Τεχνητής Νοημοσύνης γύρω στο 2024”, αναφέρεται. “Ωστόσο, λίγα μόλις χρόνια πριν από τις ραγδαίες εξελίξεις σε μεγάλα γλωσσικά μοντέλα (LLMs), οι επιστήμονες έκαναν τις σχετικές προβλέψεις για το 2060. Οι επιχειρηματίες, είναι ακόμη πιο αισιόδοξοι, προβλέποντας ότι θα φτάσει γύρω στο 2030”
Η μακρό – ανάλυση, προσφέρει κάποια στοιχεία σχετικά με τους λόγους για τους οποίους οι εμπειρογνώμονες πιστεύουν ότι η Γενική Τεχνητή Νοημοσύνη είναι αναπόφευκτη. Πρώτον, σε αντίθεση με την ανθρώπινη νοημοσύνη, η μηχανική νοημοσύνη δεν φαίνεται να έχει όρια – τουλάχιστον δεν έχουν ανακαλυφθεί μέχρι σήμερα.
Με την υπολογιστική ισχύ να διπλασιάζεται κάθε 18 μήνες – σύμφωνα με τον Νόμο του Moore, στην επιστήμη των μηχανικών ηλεκτρονικών υπολογιστών – τα LLMs σύντομα θα είναι σε θέση να φτάσουν σε ένα όριο υπολογισμών ανά δευτερόλεπτο που να ισοδυναμεί με την ανθρώπινη νοημοσύνη. Στην έκθεση, αναφέρεται ακόμη πως, αν η πληροφορική φτάσει ποτέ σε μηχανικό αδιέξοδο, ίσως θα μπορέσει να λύσει το πρόβλημα και να καλύψει το κενό η κβαντική υπολογιστική.
“Θα ξεκλειδώσουν οι κβαντικοί υπολογιστές την μοναδικότητα;”
“Οι περισσότεροι εμπειρογνώμονες θεωρούν ότι ο Νόμος του Moore θα φτάσει στο τέλος του στη διάρκεια της δεκαετίας αυτής”, αναφέρεται στην έρευνα. “Η μοναδική φύση της κβαντικής υπολογιστικής, μπορεί να αξιοποιηθεί για την αποδοτική εκπαίδευση των νευρωνικών δικτύων, η δημοφιλέστερη σήμερα αρχιτεκτονική της ΤΝ σε εμπορικές εφαρμογές. Οι αλγόριθμοι τεχνητής νοημοσύνης που εκτελούνται σε σταθερούς κβαντικούς υπολογιστές έχουν πιθανότητα να ξεκλειδώσουν τη μοναδικότητα”.
Ωστόσο, δεν πιστεύουν όλοι πως η Γενική Τεχνητή Νοημοσύνη είναι αναπόφευκτη. Ορισμένοι ειδικοί υποστηρίζουν ότι, η ανθρώπινη νοημοσύνη είναι πολυδιάστατη και πιο σύνθετη σε σχέση με τον σημερινό ορισμό της Γενικής Τεχνητής Νοημοσύνης.
Για παράδειγμα, ορισμένοι ειδικοί της ΤΝ αντιλαμβάνονται το ανθρώπινο μυαλό μέσα από οκτώ διαφορετικές μορφές νοημοσύνης, από τις οποίες, η «λογικο-μαθηματική» είναι μόνο μία (πχ υπάρχουν ακόμη η διαπροσωπική, η ενδοπροσωπική και η υπαρξιακή νοημοσύνη).
Ο Yann LeCun, πρωτοπόρος της βαθιάς μάθησης, θεωρεί πως, η Γενική Τεχνητή Νοημοσύνη πρέπει να αλλάξει ονομασία και να λέγεται “Προηγμένη Μηχανική Νοημοσύνη”, υποστηρίζοντας πως η ανθρώπινη νοημοσύνη, είναι υπερβολικά εξειδικευμένη και γι’ αυτό είναι αδύνατον ν’ αντιγραφεί.
Ακόμη, η αναφορά υποστηρίζει ότι, ενώ η Τεχνητή Νοημοσύνη είναι σημαντικό εργαλείο για νέες ανακαλύψεις, δεν μπορεί να πραγματοποιήσει τις ανακαλύψεις αυτές από μόνη της. “Μπορεί η περισσότερη νοημοσύνη να οδηγήσει σε καλύτερα σχεδιασμένα και καθοδηγούμενα πειράματα, κάνοντας δυνατές περισσότερες ανακαλύψεις ανά πείραμα”, εξηγούν οι ερευνητές στην έκθεσή τους. “Ακόμη όμως και το καλύτερο μηχάνημα που αναλύει υπάρχοντα δεδομένα μπορεί να μην είναι σε θέση να βρει μια θεραπεία για τον καρκίνο”.
Οι προβλέψεις επιστημόνων και ειδικών για την Γενική Τεχνητή Νοημοσύνη, διαφέρουν μέσα σε ένα εύρος περίπου μισού αιώνα. Ωστόσο το μήνυμα, είναι ξεκάθαρο: Η ανθρώπινη κοινωνία, αναπόφευκτα θα έρθει αντιμέτωπη με τεράστιες αλλαγές, ως συνέπεια αυτών των αλγορίθμων. Το αν, οι αλλαγές αυτές θα είναι θετικές ή αρνητικές, εξαρτάται από εμάς.
Δεν υπάρχουν σχόλια:
Δημοσίευση σχολίου