„Šią vasarą „Meta“ generalinis direktorius Markas Zuckerbergas pakvietė Rishabhą Agarwalą prisijungti prie naujos bendrovės dirbtinio intelekto laboratorijos, pasiūlydamas jam milijonus dolerių akcijų ir atlyginimą.
Kurdamas naują laboratoriją, ponas Zuckerbergas teigė norintis sukurti „superintelektą“ – technologiją, kuri galėtų pranokti žmogaus smegenų galias. Nors niekas nežinojo, kaip sukurti superintelektą, jis paragino dr. Agarwalą žengti tikėjimo šuolį.
Ponas Zuckerbergas jam pasakė, kad sparčiai besikeičiančiame pasaulyje didžiausia rizika, kurią galite prisiimti, yra visiškai nerizikuoti.
Tačiau nors dr. Agarwalas jau buvo „Meta“ darbuotojas, jis atmetė pasiūlymą prisijungti prie kitos įmonės.
Dr. Agarwalas yra vienas iš daugiau nei 20 tyrėjų, kurie pastarosiomis savaitėmis paliko savo darbą „Meta“, „OpenAI“, „Google DeepMind“ ir kituose dideliuose dirbtinio intelekto projektuose, kad prisijungtų prie naujo Silicio slėnio startuolio, vadinamo „Periodic Labs“. Daugelis jų atsisakė dešimčių milijonų dolerių – jei ne šimtai milijonų – kad žengtų šį žingsnį.
Dirbtinio intelekto laboratorijoms siekiant amorfinių tikslų, tokių kaip superintelektas ir panaši koncepcija, vadinama dirbtiniu bendruoju intelektu, „Periodic“ daugiausia dėmesio skiria dirbtinio intelekto technologijų, kurios gali paspartinti naujus mokslinius atradimus tokiose srityse kaip fizika ir chemija, kūrimui.
„Pagrindinis dirbtinio intelekto tikslas nėra automatizuoti baltųjų apykaklių darbą“, – sakė vienas iš startuolio įkūrėjų Liam Fedus. „Pagrindinis tikslas – paspartinti mokslo plėtrą.“
Ponas Fedus buvo vienas iš nedidelės „OpenAI“ tyrėjų komandos, kuri 2022 m. sukūrė internetinį pokalbių robotą „ChatGPT“. Kovo mėnesį jis paliko „OpenAI“, kad kartu su Ekinu Dogusu Cubuku, anksčiau dirbusiu „Google DeepMind“ – pagrindinėje technologijų milžinės dirbtinio intelekto laboratorijoje, įkurtų „Periodic Labs“.
Daugelis pirmaujančių dirbtinio intelekto įmonių jau kuria technologijas, skirtas paspartinti mokslinius atradimus. Du „Google DeepMind“ tyrėjai neseniai laimėjo Nobelio premiją už savo darbą projekte „AlphaFold“, kuris gali padėti paspartinti vaistų atradimą mažais, bet svarbiais būdais.
Šios srities lyderiai dažnai teigia, kad dideli kalbos modeliai – technologijos, kurios veikia pokalbių robotus – netrukus pasieks reikšmingų mokslinių proveržių. „OpenAI“ ir „Meta“ teigia, kad jų technologijos jau siekia šio tikslo tokiose srityse kaip vaistų atradimas, matematika ir teorinė fizika.
„Mes tikime, kad pažangus dirbtinis intelektas gali greičiau skatinti mokslinius atradimus ir kad „OpenAI“ yra unikalioje padėtyje, kad galėtų padėti vadovauti“, – pareiškime teigė „OpenAI“ atstovas Laurance'as Fauconnetas.
Tačiau ponas Fedusas teigė, kad tokios įmonės nėra tikro mokslinio atradimo kelyje. „Silicio slėnis yra intelektualiai tingus“, apibūdindamas didelių kalbų modelių ateitį, sakė jis. Jis ir dr. Cubukas prisimena laikus, kai pirmaujančios technologijų pramonės tyrimų įmonės, įskaitant „Bell Labs“ ir „IBM Research“, fizinius mokslus laikė gyvybiškai svarbia savo misijos dalimi.
(„The New York Times“ 2023 m. padavė „OpenAI“ ir „Microsoft“ į teismą dėl autorių teisių pažeidimo naujienų turinyje, susijusiame su dirbtinio intelekto sistemomis. Abi įmonės šiuos teiginius neigė.)
Dirbtinio intelekto sistemos, kurios valdo tokius pokalbių robotus kaip „ChatGPT“, vadinamos neuroniniais tinklais, pavadintais pagal neuronų tinklą smegenyse. Nustatydamos modelius didžiuliuose teksto kiekiuose, surinktuose iš viso interneto, šios sistemos išmoksta mėgdžioti, kaip žmonės dėlioja žodžius. Jos netgi gali išmokti rašyti kompiuterines programas ir spręsti matematikos uždavinius.
Tačiau ponas Fedusas ir Dr. Cubukas mano, kad nesvarbu, kiek vadovėlių ir akademinių darbų šios sistemos analizuotų, jos negali įvaldyti mokslinių atradimų meno. Kad tai pasiektų, anot jų, dirbtinio intelekto technologijos taip pat turi mokytis iš fizinių eksperimentų realiame pasaulyje.
Pokalbių robotas „negali tiesiog samprotauti kelias dienas ir padaryti neįtikėtiną atradimą“, – sakė dr. Cubukas. „Žmonės taip pat negali to padaryti. Jie atlieka daug bandomųjų eksperimentų, kol atranda ką nors neįtikėtino – jei iš viso atranda.“
„Periodic Labs“, gavusi daugiau nei 300 mln. dolerių pradinį finansavimą iš rizikos kapitalo įmonės „a16z“ ir kitų, pradėjo darbą tyrimų laboratorijoje San Franciske. Tačiau ji planuoja pastatyti savo laboratoriją Menlo Parke, Kalifornijoje, kur robotai – fiziniai robotai – atliks mokslinius eksperimentus dideliu mastu.
Bendrovės tyrėjai organizuos ir vadovaus šiems eksperimentams. Tuo pačiu metu dirbtinio intelekto sistemos analizuos ir eksperimentus, ir rezultatus. Tikimasi, kad šios sistemos išmoks pačios atlikti panašius eksperimentus.
Kaip neuroniniai tinklai gali mokytis įgūdžių tiksliai nustatydami didžiulių teksto kiekių modelius, jie gali mokytis ir iš kitų rūšių duomenų, įskaitant vaizdus, garsus ir judesius. Jie netgi gali mokytis iš skirtingų rūšių duomenų tuo pačiu metu.
Pavyzdžiui, analizuodama ir nuotraukų rinkinį, ir tas nuotraukas apibūdinančius užrašus, sistema gali suprasti ryšius tarp jų. Ji gali sužinoti, kad žodis „obuolys“ apibūdina apvalų raudoną vaisių.
„Periodic Labs“ dirbtinio intelekto sistemos mokysis iš mokslinės literatūros, fizinių eksperimentų ir pakartotinių pastangų juos modifikuoti ir tobulinti.
Pavyzdžiui, vienas iš įmonės robotų gali atlikti tūkstančius eksperimentų, kurių metu derina įvairius miltelius ir kitas medžiagas, siekdamas sukurti naujo tipo superlaidininką, kuris galėtų būti naudojamas kuriant įvairiausią naują elektros įrangą.
Vadovaujantis įmonės darbuotojų, robotas, remdamasis esama moksline literatūra, gali pasirinkti kelis perspektyvius miltelius, sumaišyti juos laboratorinėje kolboje, kaitinti krosnyje, išbandyti medžiagą ir pakartoti visą procesą su skirtingais milteliais.
Išanalizavusi pakankamai šių mokslinių bandymų ir klaidų – nustačiusi sėkmės modelius – dirbtinio intelekto sistema teoriškai galėtų išmokti automatizuoti ir pagreitinti panašius eksperimentus.
„Ji nepadarys atradimo iš pirmo karto, bet kartosis“, – sakė dr. Cubukas, o tai reiškia, kad ji kartos procesą vėl ir vėl. „Po daugybės iteracijų tikimės tai padaryti greičiau.“
Dirbtinio intelekto tyrėjai panašias idėjas tyrinėjo jau daugelį metų. Tačiau skaičiavimo galia ir kiti ištekliai, reikalingi tokio pobūdžio pastangoms įgyvendinti, atsirado tik neseniai.
Nepaisant to, sukurti tokią technologiją yra nepaprastai sunku ir užima daug laiko. Dirbtinį intelektą skaitmeniniame pasaulyje kurti yra daug lengviau nei fiziniame.
„Ar tai išspręs vėžio problemą per dvejus metus? Ne“, – sakė Orenas Etzioni, Alleno dirbtinio intelekto instituto įkūrėjas ir generalinis direktorius. „Bet ar tai geras, vizionieriškas pasirinkimas? Taip.“” [1]
1. Top A.I. Researchers Leave OpenAI, Google and Meta for New Start-Up. Metz, Cade. New York Times (Online) New York Times Company. Sep 30, 2025.
Komentarų nėra:
Rašyti komentarą