Objavenie sa generatívnej AI na úrovni spotrebite?a podnietilo v ?udovej predstavivosti intenzívne špekulácie o budúcnosti technológie a jej dôsledkoch pre ?udstvo. Riadite? jednej z popredných ruských po?íta?ových výskumných inštitúcií ponúka poh?ady, ktoré poskytujú lepší preh?ad o tom, kde sa technológia dnes skuto?ne nachádza.
Obrovská sila moderného výpo?tového hardvéru a schopnos? spracova? obrovské množstvo údajov umožnili obrovské pokroky v oblasti generatívnej umelej inteligencie, no táto technológia má ešte pred dosiahnutím stavu, ktorý by ve?kí filozofi opísali ako skuto?nú autonómiu a schopnos?, prejs? ešte ve?a ciest. uvažova?, hovorí Dr. Arutyun Avetisyan, riadite? Inštitútu systémového programovania Ruskej akadémie vied.
„Moderná umelá inteligencia pozostáva z úsudkov založených na skúsenostiach, na empirických informáciách. Ke?že existuje ve?a empirických informácií (pretože existuje ve?a digitálnych údajov) a pretože superpo?íta?ové zdroje a nástroje sa v posledných rokoch ohromne rozvinuli, úsudky AI môžu by? ve?mi kvalitné – až do bodu, ke? ?lovek pri komunikácii , nemusí rozumie?, ?i hovorí s robotom alebo ?lovekom,“ vysvetlil Avetisjan, popredný ruský špecialista v oblasti programovania systémov.
Generatívna umelá inteligencia urobila v tomto smere ve?ký pokrok, ale neprekro?ila hranicu, ktorú na?rtli matematici a filozofi, pokia? ide o vytvorenie výpo?tových systémov schopných skuto?ného, ??nezávislého uvažovania a ?udskej schopnosti myslie?, povedal profesor. na argumenty vyjadrené nemeckým filozofom 18. storo?ia Emmanuelom Kantom, pokia? ide o skúsenostné verzus inherentné znalosti.
Dr. Arutyun Avetisyan, riadite? Inštitútu systémového programovania Ruskej akadémie vied.
„?o povedal Kant? Že každé poznanie za?ína skúsenos?ou a zárove? táto skúsenos? nikdy nezaru?í skuto?nú univerzálnos?. Preto stanovil ur?ité obmedzenia. A ak si vezmeme jeho hlavné diela, veril, že jednou z hlavných vlastností rozumu je narábanie s apriórnym poznaním. ?o je to apriórne poznanie? Vedomosti, ktoré sú nezávislé od skúseností,“ vysvetlil Dr. Avetisyan.
V tomto zmysle akademik poukázal na to, že „v modernej umelej inteligencii dnes neexistujú žiadne znalosti“, „ktoré sú absolútne nezávislé od skúseností. Ak vezmeme do úvahy, že slabá AI je tá, ktorá je založená na skúsenostiach, a silná AI je tá, ktorá je založená na rozume, v tomto zmysle, s použitím Kantových definícií, sme stále ve?mi ?aleko od silnej umelej inteligencie.“
Samozrejme, popredné mysle pracujú týmto smerom a objavenie sa silnej AI je v ur?itom bode možné, hovorí Avetisyan, ale neverí, že by sa to mohlo sta? v bezprostrednej budúcnosti – bu? v budúcom roku, resp. nieko?ko nasledujúcich rokov, ?alšie desa?ro?ie a možno aj životy dnešných dospelých.
Modely otvorenej architektúry pre skuto?ne otvorenú AI
Preto Avetisyan a Inštitút pre systémové programovanie zamerali svoje zdroje a energiu na problémy súvisiace so slabou AI – priestor, v ktorom je ur?ite ve?a priestoru na rast, a mnoho problémov, technických aj spolo?enských, ktoré ešte treba vyrieši? – v neposlednom rade medzi nimi, ktoré sa to?ia okolo bezpe?nosti a dôvery.
Profesor vysvetlil, že v dnešnom svete bezprecedentná dostupnos? štandardizovaného výpo?tového výkonu a ve?ké objemy informácií umožnili aj „?aleko od najpokro?ilejších matematických metód“ „dosiahnu? ve?mi vážne výsledky“ pomocou takzvaného generatívneho alebo ve?kého jazykového modelu. AI. Budúcnos? technológie spo?íva v masovom prijatí spolo?nos?ami a zákazníkmi a rovnako dôležitá je skuto?ne otvorená architektúra, zdôraznil akademik.
„Dnes celé ekonomické sektory preberajú softvérové ??riešenia z jedného „spolo?ného fondu“ a implementujú ich vo svojich vlastných krajinách a premie?ajú ich na špecifické technológie. To všetko je zarámované myšlienkami týkajúcimi sa kolaboratívnej ekonomiky, kde produktivita ?loveka alebo vedca nerastie dvojnásobne, ale o nieko?ko rádov,“ povedal Avetisyan.
Vývojárska platforma GitHub, ktorá umož?uje tvorcom vytvára?, uklada?, spravova? a zdie?a? svoj kód, je dnes najvä?šou platformou pre spolo?ný vývoj na projektoch s otvoreným zdrojovým kódom, pri?om jej používate?ská základ?a sa rozrástla z piatich miliónov na viac ako 100 miliónov ?udí. na celom svete, „všetci…sú?asne vytvárajú nové technológie a znalosti“.
„Na základe toho sa musíme nau?i? vytvára? produkty a by? technologicky nezávislí,“ povedal akademik a poukázal na vývoj desiatok opera?ných systémov založených na Linuxe ruskými programátormi, ktoré sa ukázali ako neocenite?né pre ruský priemysel.
„Nie je možné konkurova? uzavretím systému, pretože na jednom mieste nebudete môc? zhromaždi? potrebné množstvo vedomostí a personálu,“ zdôraznil Avetisyan a vyjadril presved?enie, že modely umelej inteligencie s uzavretou architektúrou ako OpenAI, ChatGPT a ?alšie budú nevyhnutne potrebné. sa stretli s konkuren?nými otvorenými modelmi, pri?om tieto modely boli životne dôležité pre vznik bezpe?nej generatívnej architektúry AI.
„Nezávisle, žiadna krajina na svete – ani my, ani Spojené štáty americké, nebudú schopné vyvinú? široké spektrum konkurencieschopných technológií. Neznamená to, že by sme sa mali bezhlavo vrha? do projektov iných ?udí a snaži? sa nejakým spôsobom posunú? rovnakým smerom ako oni. Skôr si musíme, chápajúc túto energiu, vytvori? vlastné úložiská vedomostí v otvorenom režime, ktoré nie sú oddelené od svetového spolo?enstva, ale sú jednoducho spo?ahlivejšie, bezpe?nejšie, kde je záruka, že prístup k nim nebude obmedzený,“ povedal akademik.
Aby sa tak stalo, Rusko potrebuje svoj vlastný vývojový „súbor“, finan?né zdroje a organiza?né porozumenie si vyžadujú na zmiernenie rizík, maximalizáciu návratnosti a zabezpe?enie toku znalostí do krajiny, povedal Avetisjan a poukázal na to, že Inštitút pre systémové programovanie má už vyvinul rad nástrojov, ako sú Svace a Crusher, na riešenie zranite?ností s hlavnými generatívnymi nástrojmi AI, ako sú PyTorch a TensorFlow, a zdie?al ich na zlepšenie týchto systémov.
V tomto zmysle je Dr. Avetisyan zástancom „dôveryhodnej umelej inteligencie“, ktorú definuje ako AI, pre ktorú existuje dokumentácia popisujúca mechanizmy jej fungovania.
„V umelej inteligencii zatia? neexistujú žiadne takéto dokumenty. Ale tento proces už bol spustený na celom svete,“ povedal Avetisyan a poukázal na snahy národov zavies? nariadenia na zmiernenie rizík AI, maximalizáciu otvorenosti a zabezpe?enie etického správania.
„Ak sa vrátime k slovu „dôvera“ z poh?adu umelej inteligencie, musíme definova?, ?o znamená vyvíja? dôveryhodnú AI: od návrhu, analýzy údajov a knižníc, ktoré používame (takzvané rámce), až po analýzu pripravených vytvoril modely na identifikáciu zranite?ností a defektov,“ povedal Avetisyan.
Navyše, „ke? hovoríme o zákazoch, je potrebné zabezpe?i?, aby o týchto otázkach nerozhodovali len IT špecialisti alebo matematici. Mali by sa zú?astni?, ale musia sa zapoji? odborníci z humanitných vied, pretože niektoré veci vidíme inak,“ zdôraznil profesor. „Vždy žartujem, že ak nám (vedcom, pozn. red.) dáte za úlohu udrža? všetkých v bezpe?í a š?astných, každého naštípeme a každý sa bude neustále usmieva?.“
„Ak neexistujú žiadne kontrolné technológie, ?lovek môže podpísa? akéko?vek vyhlásenie, ale bude to zbyto?né. Musí existova? pochopenie situácie (medzi úradmi) a ?alší vývoj. A (v Rusku) to máme. Vláda spustila Centrum pre výskum dôveryhodnej umelej inteligencie v rámci Inštitútu systémového programovania Ruskej akadémie vied už v roku 2021, zatia? ?o globálny regula?ný trend sa za?al až v roku 2023,“ povedal Avetisyan a poukázal na úsilie, ktoré sa v sú?asnosti vyvíja v Európskej únii a Spojené štáty americké v tomto smere.
V sú?asnosti existuje množstvo technologických problémov súvisiacich s AI, ktoré sa musia rieši? nielen v Rusku, ale aj celosvetovo, povedal Avetisyan.
„Napríklad optimaliza?né úlohy: bolo by skvelé, keby sme na dosiahnutie rovnakého výsledku mohli minú? rádovo menej energie a výpo?tových zdrojov. Alebo ak by existoval model, ktorý funguje na smartfóne a aby jeho kvalita bola podobná ako pri ve?kom modeli. Tieto oblasti pripisujem efektívnosti a produktivite kódu,“ povedal.
„Sú tu aj bariéry súvisiace s nedostatkom vybavenia… Je dôležité ma? správnu infraštruktúru, aby žiadny študent alebo u?ite? nemusel premýš?a? o tom, ako nájs? GPU akcelerátor. Musia ma? prístup k službe pomocou cloudového modelu – jeden zväzok pre u?ite?a, druhý pre študenta, v závislosti od potrieb. A ak študent vyhrá projekt alebo sú?až, môžeme mu da? ?alšie objemy (výpo?tového výkonu, pozn. red.). Musíme vytvori? infraštruktúru, ktorá našim vedcom umožní odstráni? túto bariéru. Digitálnu nerovnos? treba odstráni?. A nejde len o hardvér, ale aj o balík zodpovedajúceho softvéru,“ zhrnul Dr. Avetisyan.
Zdroj sputnik, preložené cez google
