"Dirbtinį intelektą (AI) galima apibūdinti kaip meną priversti kompiuterius daryti dalykus, kurie žmonėms atrodo protingi.
Šia prasme jis jau yra plačiai paplitęs. Satnav programinė įranga naudoja paieškos algoritmus, kad surastų greičiausią kelią iš jūsų namų į tą naują restoraną; lėktuvai leidžiasi patys, kad atpažintų greitį viršijančio automobilio numerio raides, kai AI veikia nuosekliai ir patikimai, paleidžiant seną pokštą, tai tiesiog vadinama inžinerija (atvirkščiai, yra dar vienas pokštas, AI - tai dar neveikianti medžiaga).
Dirbtinis intelektas, kuris dabar prikausto tiek daug pasaulio dėmesio ir sunaudoja didžiulį kiekį skaičiavimo galios ir elektros energijos, yra pagrįstas metodika, vadinama giliuoju mokymusi. Giluminio mokymosi metu linijinė algebra (konkrečiai, matricos daugyba) ir statistika naudojamos modeliams išgauti ir išmokti iš didelių duomenų rinkinių mokymo proceso metu. Dideli kalbų modeliai (LLM), pvz., Google Gemini arba OpenAI GPT, buvo mokomi naudoti teksto, vaizdų ir vaizdo įrašų gausą ir išugdė daug gebėjimų, įskaitant „atsirandančius“, kuriems jie nebuvo specialiai mokomi (su daug žadančių, bet ir nerimą keliančių pasekmių). Dabar yra daugiau specializuotų, konkrečiai domenui pritaikytų tokių modelių versijų, skirtų vaizdams, muzikai, robotikai, genomikai, medicinai, klimatui, orams, programinės įrangos kodavimui ir kt.
Už žmogaus supratimo ribų
Sparti pažanga šioje srityje paskatino prognozes, kad dirbtinis intelektas „perima vaistų kūrimą“, kad jis „pakeis kiekvieną Holivudo pasakojimo aspektą“ ir kad jis gali „pakeisti patį mokslą“ (visi teiginiai, pateikti praeityje šiame laikraštyje). Teigiama, kad dirbtinis intelektas pagreitins mokslinius atradimus, automatizuos nuobodžius baltųjų apykaklių darbus ir sukurs nuostabių naujovių, kurių dar neįsivaizduojama. Tikimasi, kad dirbtinis intelektas padidins efektyvumą ir paskatins ekonomikos augimą. Tai taip pat gali pakeisti darbo vietas, kelti pavojų privatumui ir saugumui ir sukelti etinių problemų. Tai jau pranoksta žmogaus supratimą apie tai, ką jis daro.
Tyrėjai vis dar aiškinasi, ką dirbtinis intelektas galės ir ko negalės. Iki šiol pasirodė, kad didesni modeliai, paruošti, naudojant daugiau duomenų, yra pajėgesni. Tai paskatino manyti, kad ir toliau pridėjus daugiau, dirbtinis intelektas bus geresnis. Buvo atlikti „mastelio keitimo dėsnių“, rodančių, kaip modelio dydis ir mokymo duomenų apimtis sąveikauja, siekiant pagerinti LLM, tyrimai. Bet kas yra „geresnis“ LLM? Ar jis teisingai atsako į klausimus, ar kyla kūrybinių idėjų?
Taip pat sudėtinga numatyti, kaip gerai esamos sistemos ir procesai galės panaudoti AI. Iki šiol AI galia labiausiai išryškėja atliekant atskiras užduotis. Pateikite riaušių minios atvaizdus, o dirbtinio intelekto modelis, paruoštas šiam konkrečiam tikslui, gali atpažinti minioje esančius veidus valdžiai. Laikykite LLM teisės egzaminą ir jam seksis geriau, nei jūsų vidutinis vidurinės mokyklos mokinys. Tačiau neterminuotų užduočių našumą įvertinti sunkiau.
Šiuolaikiniai dideli dirbtinio intelekto modeliai labai gerai generuoja dalykus, pradedant poezija ir baigiant fotorealistiniais vaizdais, remiantis jų mokymo duomenų šablonais. Tačiau tokie modeliai ne taip gerai sprendžia, kurie iš jų sukurtų dalykų yra prasmingiausi arba tinkamiausi konkrečioje situacijoje. Jiems mažiau sekasi logika ir samprotavimas. Neaišku, ar daugiau duomenų atrakins galimybę nuosekliai samprotauti, ar reikės visiškai skirtingų modelių. Gali būti, kad dirbtinio intelekto ribos ilgą laiką bus tokios, kad jo galiai panaudoti reikės žmonių samprotavimų.
Išsiaiškinti, kokios yra šios ribos, bus svarbu tokiose srityse, kaip sveikatos priežiūra. Tinkamai naudojant AI gali anksčiau aptikti vėžį, išplėsti prieigą prie paslaugų, pagerinti diagnozę ir individualizuoti gydymą. Remiantis metaanalize, paskelbta balandžio mėn. žurnale npj Digital Medicine, dirbtinio intelekto algoritmai gali pranokti žmones gydytojus, atliekant tokias užduotis. Tačiau jų mokymas gali juos suklaidinti tokiais būdais, kurie rodo žmogaus įsikišimo vertę.
Pavyzdžiui, dirbtinio intelekto modeliai yra linkę sustiprinti žmogaus šališkumą dėl „duomenų paskirstymo poslinkių“; Diagnostinis modelis gali klysti, jei jis dažniausiai naudojamas pagal balto žmogaus odos atvaizdus, o tada jam suteikiamas juodaodžio odos vaizdas. AI derinimas su kvalifikuotu žmogumi pasirodė esąs veiksmingiausias. Straipsnyje nustatyta, kad dirbtinį intelektą naudojantys gydytojai sugebėjo padidinti žmonių, kuriems teisingai diagnozuotas vėžys, skaičių nuo 81,1 % iki 86,1 %, o taip pat padidino žmonių, kuriems teisingai pasakė, kad neserga vėžiu, skaičių. Kadangi dirbtinio intelekto modeliai dažniausiai daro kitokias klaidas, nei žmonės, buvo pastebėta, kad dirbtinio intelekto ir žmonių partnerystė pranoksta tiek dirbtinį intelektą, tiek žmones.
Robotinis metodas
Žmonėms gali prireikti mažiau tyrinėti naujas mokslo hipotezes. 2009 m. Rossas Kingas iš Kembridžo universiteto pasakė, kad jo galutinis tikslas buvo sukurti sistemą, kuri veiktų, kaip savarankiška laboratorija arba kaip „mokslininkas robotas“. Dr Kingo AI mokslininkas, vadinamas Adamas, buvo sukurtas taip, kad iškeltų hipotezes, naudotų savo robotinę ranką eksperimentams atlikti, rinkti rezultatus su jutikliais ir juos analizuoti. Skirtingai, nei magistrantūros studentai ir doktorantai, Adomui niekada nereikia daryti pertraukos valgyti ar miegoti. Tačiau tokio tipo AI sistemos (kol kas) apsiriboja gana siauromis sritimis, tokiomis, kaip vaistų atradimas ir medžiagų mokslas. Lieka neaišku, ar jie duos daug daugiau, nei tik padidins žmonių atliekamus tyrimus.
Dirbtinio intelekto metodai moksle naudojami dešimtmečius, siekiant klasifikuoti, atsijoti ir analizuoti duomenis bei daryti prognozes. Pavyzdžiui, projekto CETI mokslininkai surinko didelį banginių vokalizacijos duomenų rinkinį, tada parengė šių duomenų AI modelį, kad išsiaiškintų, kurie garsai gali turėti reikšmę. Arba apsvarstykite AlphaFold, gilųjį neuronų tinklą, kurį sukūrė Google DeepMind. Išmokyta naudoti didžiulę baltymų duomenų bazę, ji gali greitai ir tiksliai numatyti trijų matmenų baltymų formas – užduotį, kuriai kažkada reikėjo kruopštaus žmonių eksperimentavimo ir matavimo dienų. GNoME, kita DeepMind sukurta AI sistema, skirta padėti atrasti naujas medžiagas, turinčias specifinių cheminių savybių.
AI taip pat gali padėti suprasti didelius duomenų srautus, kurie kitu atveju būtų didžiuliai tyrėjams, nesvarbu, ar tai susiję su dalelių greitintuvo rezultatų atsijojimu, siekiant nustatyti naujas subatomines daleles, ar neatsilikti nuo mokslinės literatūros. Jokiam žmogui, kad ir koks išrankus skaitytojas būtų, visiškai neįmanoma suvirškinti kiekvieno mokslinio darbo, kuris gali būti susijęs su jo darbu. Vadinamosios literatūra pagrįstos atradimų sistemos gali analizuoti šiuos teksto kalnus, kad surastų tyrimų spragas, naujais būdais sujungtų senas idėjas ar net pasiūlytų naujas hipotezes. Tačiau sunku nustatyti, ar tokio tipo dirbtinio intelekto darbas bus naudingas. AI gali būti ne ką geresnis už žmones netikėtais dedukciniais šuoliais; Vietoj to jis gali tiesiog pritarti įprastiems, gerai numintiems tyrimų keliams, kurie prie niekur įdomaus veda.
Švietimo srityje nerimaujama, kad dirbtinis intelektas, ypač tokie robotai, kaip „ChatGPT“, iš tikrųjų gali būti kliūtis originaliam mąstymui. Remiantis 2023 m. švietimo bendrovės Chegg atliktu tyrimu, 40 % studentų visame pasaulyje naudojo dirbtinį intelektą mokykliniams darbams, daugiausia rašymui. Tai paskatino kai kuriuos mokytojus, profesorius ir mokyklų rajonus uždrausti AI pokalbių robotus. Daugelis baiminasi, kad jų naudojimas trukdys ugdyti problemų sprendimo ir kritinio mąstymo įgūdžius, nes bus sunku išspręsti problemą ar ginčytis. Kiti mokytojai ėmėsi visiškai kitokios krypties, AI suprato, kaip įrankį, ir įtraukė jį į užduotis. Pavyzdžiui, mokinių gali būti paprašyta naudoti „ChatGPT“, kad parašytų esė tam tikra tema, o tada sukritikuotų, kas joje negerai.
Palaukite, ar pokalbių robotas parašė šią istoriją?
Šiuolaikinis generatyvus AI ne tik sukuria tekstą vienu mygtuko paspaudimu, bet ir per kelias sekundes gali sukurti vaizdus, garsą ir video. Tai gali supurtyti žiniasklaidos verslo reikalus nuo podcast'ų iki vaizdo žaidimų iki reklamos. Dirbtinio intelekto įrankiai gali supaprastinti redagavimą, sutaupyti laiko ir sumažinti kliūtis patekti į rinką. Tačiau dirbtinio intelekto sukurtas turinys gali kelti pavojų kai kuriems menininkams, pvz., iliustratoriams ar balso aktoriams. Laikui bėgant, gali būti įmanoma sukurti ištisus filmus, naudojant AI varomus žmonių aktorių simuliakrus arba visiškai dirbtinius.
Vis dėlto dirbtinio intelekto modeliai patys negali nei sukurti, nei išspręsti problemų (arba vis dar ne). Jie yra tik sudėtingos programinės įrangos dalys, o ne jautrios ar savarankiškos. Jie pasikliauja žmonių naudotojais, kurie juos iškvies ir paragins, o tada pritaikys arba atmes rezultatus. Dirbtinio intelekto revoliucinis pajėgumas, tiek geresnis, tiek blogesnis, vis dar priklauso nuo žmonių ir žmogaus sprendimo." [1]
1. Oh, the things AI can do. The Economist; London Vol. 452, Iss. 9410, (Aug 17, 2024): 55, 56.
Komentarų nėra:
Rašyti komentarą