წლის ბოლო კარგი დროა განვლილი თვეების მიღწევების შესაჯამებლად. ამჯერად, ხელოვნური ინტელექტისა და ღრმა დასწავლის მიმართულება მიმოვიხილოთ. ერთი მხრივ, მოწინავე მოდელები, როგორიცაა ChatGPT და DALL-E, შთამბეჭდავ შედეგებს გვაძლევენ, აზროვნებისა და რეაგირების კუთხით. მეორე მხრივ, ისინი ხშირად უშვებენ შეცდომებს, რაც ადასტურებს, რომ აკლიათ ინტელექტის ზოგიერთი ძირითადი ელემენტი, რაც ადამიანებს აქვთ.
სამეცნიერო საზოგადოების აზრი იყოფა იმაზე, თუ რა უნდა მოვუხერხოთ ამ მიღწევებს. ზოგი სპეციალისტის აზრით, ეს მოდელები, განვითარებიდან გამომდინარე, პიროვნებად აღქმას იმსახურებენ. სხვების აზრით, ღრმა დასწავლის ახლანდელი მიდგომები ერთიან ხელოვნურ ინტელექტამდე მიგვიყვანს (AGI).
რა აკლია ამჟამინდელ AI სისტემებს?
ლინგვისტ ნოამ ჩომსკის აზრით, ღრმა დასწავლის მიდგომებს ისეთი სასარგებლო ხელსაწყოები შეუძლია მოგვცეს, ბევრი მიმართულებით, რომლებსაც ყოველდღიურად გამოვიყენებთ. ამავდროულად, ამ სისტემებს არ შეუძლიათ შესაძლებელი და შეუძლებელი ენების განსხვავება, რაც ღრმა დასწავლის განვითარებასთან ერთად, გააღრმავებს პრობლემასაც. ამას ვხვდებით ChatGPT-ს შემთხვევაშიც. მას შეუძლია შექმნას ტექსტი, რომელიც არის გრამატიკულად სწორი და თანმიმდევრული, მაგრამ ლოგიკურად და ფაქტობრივად გაუმართავი. არსებობს ასეთი ხარვეზების მრავალი მაგალითი, როგორიცაა დიდი ენობრივი მოდელები, რომლებიც ვერ ახერხებენ წინადადებების სიგრძის მიხედვით დახარისხებას, უშვებენ სერიოზულ შეცდომებს მარტივ ლოგიკურ ამოცანებში და ცრუ, არათანმიმდევრულ განცხადებებს აკეთებენ.
დიდი ნახტომია, ბოლო წლებში, თუმცა გაურკვეველი საკითხები კვლავაც ჩნდება. მაგალითად, ესაა შემეცნების ოთხი ძირითადი ასპექტი, რომელიც აკლია ღრმა სწავლის სისტემებს:
აბსტრაქცია: ღრმა სწავლის სისტემები, როგორიცაა ChatGPT, ვერ უმკლავდებიან ძირითად ცნებებს, როგორიცაა ნივთების დათვლა და დახარისხება.
მსჯელობა: მსხვილი ენობრივი მოდელები ვერ ახერხებენ მსჯელობას ძირითად საკითხებზე, როგორიცაა ობიექტების კონტეინერებში მორგება. ChatGPT-ის გენიალურობა არის ის, რომ მას შეუძლია პასუხი გასცეს კითხვას, სამწუხაროდ, შეიძლება სანდო არ აღმოჩნდეს.
კომპოზიციურობა: ადამიანები ენას აღიქვამენ ფრაგმენტებისგან შემდგარ ერთიანობად. ამჟამინდელი ხელოვნური ინტელექტი ჯერაც აგრძელებს ამ კუთხით განვითარებას.
ფაქტი: ადამიანები აქტიურად ინარჩუნებენ არასრულყოფილ, მაგრამ საიმედო მსოფლიო მოდელებს. მსხვილ ენობრივ მოდელებს ეს უნარი არ აქვთ და ამას თავისი შედეგები ექნება, რადგან ისინი ვერ განვითარდებიან უბრალოდ, ფაქტების დამატებით.
AI და საღი აზრი
ნამდვილი განსხვავება ადამიანის ინტელექტსა და ამჟამინდელ AI-ს შორის ჯერ კიდევ ძალიან დიდია. ღრმა ნეირონული ქსელებში კვლავაც იქნება შეცდომები და ამას ჯერჯერობით, ვერ ავუვლით გვერდს. ზოგიერთი მოსაზრებით, ადამიანსა და ხელოვნურ ინტელექტს შორის არსებული უფსკრული საღი აზრის ნაკლებობითაა განპირობებული.
ხელოვნური ინტელექტის მკვლევარმა და ნეირომეცნიერმა დილიპ ჯორჯმა ხაზი გაუსვა AI-ის საღი აზრის გამომუშავებაში ენობრივი და აზრობრივი მსჯელობის სიმულაციის მნიშვნელობას. მისი თქმით, საღი აზრის შესახებ ცოდნა მიიღება სენსორული გამოცდილებით. ეს ცოდნა ინახება აღქმისა და მოტორულ სისტემაში. ჩვენ ვიყენებთ ენას ამ მოდელის შესამოწმებლად და გონებაში სიმულაციების გასააქტიურებლად.
მომავალი თაობის AI სისტემების არქიტექტურა
გამოწვევების მიუხედავად, ბევრი მეცნიერი თანხმდება, რომ AI-ს წინსვლის პერსპექტივა ნამდვილად აქვს. დევიდ ფერუჩიმ, Elemental Cognition-ის დამფუძნებელმა და IBM Watson-ის ყოფილმა წევრმა, განაცხადა, რომ ჩვენ ვერ შევძლებთ ხარისხიანი ხელოვნური ინტელექტის მიღებას, თუ ისინი ვერ ახსნიან, რატომ აკეთებენ იმას, რასაც აკეთებენ.
Ferrucci-ის კომპანია მუშაობს AI სისტემაზე, რომელიც აერთიანებს სხვადასხვა მოდულს. მანქანათმცოდნეობის მოდელები წარმოქმნიან ჰიპოთეზებს, მათი დაკვირვების საფუძველზე და აპროექტებენ მათ ცოდნის აშკარა მოდულზე, რომელიც აფასებს მათ. საუკეთესო ჰიპოთეზები ავტომატური მსჯელობის მოდულით მუშავდება. ამ არქიტექტურას შეუძლია ახსნას მისი მიგნებები და მისი მიზეზობრივი მოდელი. სისტემა თავის ცოდნასა და მიზეზობრივ მოდელებს ღრმა სწავლის კლასიკური მიდგომებიდან და ადამიანებთან ურთიერთქმედებიდან ავითარებს.
წყარო: venturebeat
