Google ar fi creat prima inteligență artificială generalizată, „concurând” cu mintea umană

⇧ [VIDÉO] S-ar putea să vă placă și acest conținut de partener (după anunț)

DeepMind, o companie (aparținând Google) specializată în inteligență artificială, tocmai și-a prezentat noua inteligență artificială numită „Gato”. Spre deosebire de IA „clasice”, care sunt specializate într-o anumită sarcină, Gato este capabil să îndeplinească peste 600 de sarcini, adesea mult mai bune decât oamenii. Se declanșează controverse dacă aceasta este într-adevăr prima „inteligență artificială generalizată” (GAI). Experții rămân sceptici față de anunțul DeepMind.

Inteligența artificială a schimbat în mod pozitiv multe discipline. Rețelele neuronale specializate incredibile sunt acum capabile să producă rezultate mult peste capacitățile umane în multe domenii.

Una dintre marile provocări în domeniul AI este realizarea unui sistem care integrează inteligența artificială generalizată (GAI) sau inteligența artificială puternică. Un astfel de sistem trebuie să fie capabil să înțeleagă și să stăpânească orice sarcină de care ar fi capabilă o ființă umană. Prin urmare, ea ar fi capabilă să concureze cu inteligența umană și chiar să dezvolte un anumit grad de conștiință. La începutul acestui an, Google a dezvăluit un tip de IA capabil să codifice ca un programator obișnuit. Recent, în această cursă pentru AI, DeepMind a anunțat crearea lui Gato, o inteligență artificială prezentată ca fiind primul AGI din lume. Rezultatele sunt publicate în arXiv.

Un model de agent generalist fără precedent

Un singur sistem AI capabil să rezolve multe sarcini nu este ceva nou. De exemplu, Google a început recent să folosească un sistem pentru motorul său de căutare numit „model multitasking unificat” sau MUM, care poate gestiona text, imagini și videoclipuri pentru a efectua sarcini, de la cercetare la variații interlingvistice. în scrierea unui cuvânt și asocierea interogărilor de căutare cu imagini relevante.

De altfel, vicepreședintele senior Prabhakar Raghavan a oferit un exemplu impresionant de MUM în acțiune, folosind interogarea de căutare simulată: Am făcut o excursie pe Muntele Adams și acum vreau să merg pe Muntele Fuji în toamna viitoare, ce ar trebui să fac diferit pentru a mă pregăti? „. MUM a activat Căutarea Google pentru a arăta diferențele și asemănările dintre Muntele Adams și Muntele Fuji. De asemenea, a adus în discuție articole care tratează echipamentul necesar pentru a urca pe acesta din urmă. Nimic prea impresionant ați spune, dar concret cu Gato, ceea ce este inovator este diversitatea sarcinilor care sunt abordate și metoda de pregătire, a unui sistem unic și unic.

Principiul de proiectare al lui Gato este să se antreneze pe cea mai mare varietate de date relevante posibile, inclusiv diverse aplicații, cum ar fi imagini, text, propriocepție, cupluri articulare, apăsări de butoane și altele. observatii si actiuni discrete si continue.

Pentru a permite procesarea acestor date multimodale, oamenii de știință le codifică într-o secvență plată de „jetoane”. Aceste jetoane sunt folosite pentru a reprezenta datele într-un mod pe care Gato le poate înțelege, permițând sistemului, de exemplu, să descopere ce combinație de cuvinte dintr-o propoziție are sens gramatical. Aceste secvențe sunt grupate împreună și procesate de o rețea neuronală transformatoare, utilizată de obicei în procesarea limbajului. Aceeași rețea, cu aceleași greutăți, este utilizată pentru diferitele sarcini, spre deosebire de rețelele neuronale tradiționale. Într-adevăr, în cel din urmă, fiecărui neuron i se atribuie o anumită greutate și, prin urmare, o importanță diferită. În termeni simpli, greutatea determină ce informații intră în rețea și calculează datele de ieșire.

În această reprezentare, Gato poate fi antrenat și eșantionat dintr-un model de limbaj standard la scară largă, pe un număr mare de seturi de date, inclusiv experiența agenților în medii simulate și reale, în plus față de o varietate de seturi de date și imagini în limbaj natural. Când funcționează, Gato folosește contextul pentru a asambla aceste jetoane eșantionate pentru a determina forma și conținutul răspunsurilor sale.

Exemplu de executare a lui Gato. Sistemul „consumă” o secvență de jetoane de observație și acțiune eșantionate anterior pentru a produce următoarea acțiune. Noua acțiune este aplicată, de către agent (Gato), mediului (o consolă de jocuri în această ilustrație), se obține un nou set de observații, iar procesul se repetă. © S. Reed și colab., 2022.

Rezultatele sunt destul de eterogene. Când vine vorba de dialog, Gato nu poate rivaliza cu priceperea GPT-3, modelul de generare de text al Open AI. El poate da răspunsuri greșite în timpul conversațiilor. De exemplu, el răspunde că Marsilia este capitala Franței. Autorii subliniază că acest lucru ar putea fi probabil îmbunătățit cu o scalare ulterioară.

Cu toate acestea, încă s-a dovedit a fi extrem de capabil în alte domenii. Designerii săi susțin că, în jumătate din timp, Gato are rezultate mai bune decât experții umani în 450 din cele 604 sarcini enumerate în lucrarea de cercetare.

secvență de token deepmind gato
Exemple de sarcini efectuate de Gato, ca secvențe de jetoane. © S. Reed și colab., 2022.

Jocul s-a terminat “, de fapt?

Unii cercetători AI văd AGI ca pe o catastrofă existențială pentru oameni: un sistem „super inteligent” care depășește inteligența umană ar înlocui umanitatea pe Pământ, în cel mai rău caz. Alți experți consideră că nu va fi posibil în timpul vieții noastre să vedem apariția acestor AGI. Aceasta este opinia pesimistă pe care a argumentat-o ​​Tristan Greene în editorialul său de pe site TheNextWeb. El explică că este ușor să-l confundați pe Gato cu un IAG adevărat. Diferența este însă că o inteligență generală ar putea învăța să facă lucruri noi fără o pregătire prealabilă.

Răspunsul la acest articol nu a întârziat să apară. Pe Stare de nervozitateNando de Freitas, cercetător la DeepMind și profesor de învățare automată la Universitatea din Oxford, a spus că jocul sa încheiat („ Jocul s-a terminat ”) în lunga căutare a inteligenței artificiale generalizate. El adauga : ” Este vorba despre a face aceste modele mai mari, mai sigure, mai eficiente din punct de vedere computațional, mai rapid de eșantionat, cu memorie mai inteligentă, mai multe modalități, date inovatoare, online/offline… Tocmai prin rezolvarea acestor provocări vom obține IAG “.

Cu toate acestea, autorii avertizează împotriva dezvoltării acestor AGI: „ Deși agenții generaliști sunt încă un domeniu de cercetare în curs de dezvoltare, impactul lor potențial asupra societății necesită o analiză interdisciplinară aprofundată a riscurilor și beneficiilor lor. […] Instrumentele de atenuare a prejudiciului agenților generaliști sunt relativ subdezvoltate și necesită cercetări suplimentare înainte ca acești agenți să fie desfășurați “.

Mai mult, agenții generaliști, capabili să efectueze acțiuni în lumea fizică, pun noi provocări care necesită noi strategii de atenuare. De exemplu, întruchiparea fizică ar putea conduce utilizatorii să antropomorfizeze agentul, ceea ce duce la o încredere nepotrivită în cazul unui sistem defect.

Pe lângă aceste riscuri de a vedea vârful AGI într-o operațiune dăunătoare pentru umanitate, nicio dată nu demonstrează în prezent capacitatea de a produce rezultate solide într-o manieră consecventă. Acest lucru se datorează în special faptului că problemele umane sunt adesea dificile, neavând întotdeauna o singură soluție și pentru care nu este posibilă o pregătire prealabilă.

Tristant Greene, în ciuda răspunsului lui Nando de Fraitas, își menține opinia la fel de aspru TheNextWeb : „ Nu este deloc miraculos să vezi o mașină reușind fapte de diversiune și evocare la Copperfield, mai ales când îți dai seama că respectiva mașină nu este mai inteligentă decât un prăjitor de pâine (și, evident, mai prost decât cel mai prost șoarece) “.

Indiferent dacă suntem sau nu de acord cu aceste afirmații, sau dacă suntem mai optimiști în ceea ce privește dezvoltarea AGI-urilor, se pare totuși că implementarea pe scară largă a unor astfel de inteligențe, concurente cu mintea noastră umană, este încă departe de a fi finalizată. să fie finalizată, iar controversele s-au domolit.

Sursa: arXiv

Add Comment