În august 1955, un grup de oameni de știință a solicitat o finanțare de 13.500 de dolari pentru a organiza un atelier de vară la Dartmouth College din New Hampshire.
Inteligența artificială (AI) a fost domeniul pe care și-au propus să-l cerceteze.
Ipoteza cercetătorilor, deși părea modestă în cererea de finanțare: “Fiecare fațetă a învățării sau orice alt atribut al inteligenței poate, în principiu, să fie caracterizată atât de exact încât să poată fi construită o mașină care să o reproducă”, era orice, dar nu modestă.
Încă de la începuturile sale nefericite, inteligența artificială a fost idealizată sau prezentată ca un răufăcător în mass-media.
Cu toate acestea, pentru majoritatea oamenilor, IA a rămas mai degrabă un subiect de conversație decât o realitate trăită în mod conștient.
IA a intrat în viața noastră de zi cu zi.
Inteligența artificială, sub forma ChatGPT, a fost pusă la dispoziția publicului pe PC-uri și smartphone-uri la sfârșitul lunii trecute, după ce a petrecut ani de zile în laboratoarele de science-fiction și de cercetare.
Este vorba despre “IA generativă”; dintr-o dată, un mesaj redactat cu pricepere poate face un eseu, poate asambla o rețetă și o listă de cumpărături sau poate compune un poem în stilul lui Elvis Presley.
În timp ce ChatGPT a fost cel mai proeminent participant la un an de succes al IA generativă, sisteme comparabile au demonstrat o capacitate și mai mare de a produce conținut original, cu indicații text-imagine folosite pentru a produce imagini colorate care au câștigat chiar și concursuri de artă.
Deși este posibil să nu posede încă o conștientizare în direct sau teoria minții întâlnită în cărțile și filmele SF, inteligența artificială este cel puțin pe punctul de a ne răsturna percepțiile despre ceea ce sunt capabile aceste sisteme.
Cercetătorii care au fost implicați îndeaproape în aceste sisteme, cum ar fi în cazul modelului Google LaMDA Large Language Model, au adunat din perspectiva unei conștiințe (LLM).
Un model care a fost învățat să analizeze și să producă limbaj natural este cunoscut sub numele de LLM.
Inteligența artificială generativă a ridicat probleme în ceea ce privește plagiatul, utilizarea abuzivă a conținutului original folosit pentru a crea modele, moralitatea manipulării informațiilor, abuzul de încredere și chiar “sfârșitul programării”.
Este inteligența artificială diferită de inteligența umană? este întrebarea centrală care se află în centrul tuturor, iar urgența ei a crescut de la atelierul de vară de la Dartmouth.
Ce înseamnă de fapt „AI”?
Un sistem trebuie să demonstreze un anumit nivel de învățare și adaptare pentru a fi considerat IA.
Din acest motiv, metodele statistice, automatizarea și sistemele de luare a deciziilor nu sunt IA.
Inteligența artificială restrânsă (ANI) și inteligența generală artificială sunt cele două categorii de bază în cadrul cărora este definită IA (AGI).
AGI nu există în acest moment.
Modelarea adecvată a lumii cu toate cunoștințele într-un mod coerent și practic este principala problemă în dezvoltarea IA generală.
Este cel puțin un proiect considerabil.
Cea mai mare parte a ceea ce înțelegem în prezent ca inteligență artificială este inteligență restrânsă, în care un sistem specific se ocupă de o problemă specifică.
O astfel de inteligență limitată a IA, spre deosebire de inteligența umană, este utilă doar în domeniul în care a fost antrenată, cum ar fi detectarea fraudelor, recunoașterea facială sau recomandările sociale.
Dar AGI ar funcționa în mod similar cu oamenii.
Utilizarea rețelelor neuronale și a “învățării profunde”, care sunt antrenate pe o cantitate masivă de date, este până acum cel mai renumit exemplu de metodă utilizată pentru a realiza acest lucru.
Funcționarea creierului uman servește drept model pentru rețelele neuronale.
Rețelele neuronale funcționează prin alimentarea fiecărui punct de date printr-o rețea interconectată, unul câte unul, modificând parametrii de fiecare dată, spre deosebire de majoritatea modelelor de învățare automată care efectuează calcule pe baza datelor de instruire.
Parametrii rețelei se stabilizează pe măsură ce tot mai multe date sunt introduse în rețea; rezultatul este rețeaua neuronală “antrenată”, care poate apoi să ofere rezultatul dorit pentru date noi, cum ar fi identificarea dacă o imagine conține o pisică sau un câine.
Progresele substanțiale din prezent în domeniul inteligenței artificiale sunt rezultatul progreselor tehnologice în domeniul antrenării rețelelor neuronale masive, care ne permit să modificăm un număr mare de parametri în timpul fiecărei execuții. Acest lucru este posibil datorită capacităților infrastructurilor mari de calcul în cloud.
GPT-3, de exemplu, este o rețea neuronală de mari dimensiuni, cu 175 de miliarde de parametri, care conduce ChatGPT.
De ce are nevoie AI pentru a funcționa?
Pentru ca IA să reușească, aceasta are nevoie de trei lucruri.
În primul rând, are nevoie de o tonă de date obiective, de înaltă calitate.
Seturile masive de date care au evoluat pe măsură ce societatea a devenit tot mai conectată digital sunt folosite de cercetătorii care creează rețele neuronale.
Co-Pilot își adună datele din trilioanele de linii de cod partajate pe GitHub, pregătindu-se astfel pentru ascensiunea programatorilor umani.
Nenumăratele site-uri web și documente de text salvate online sunt utilizate de ChatGPT și de alte modele lingvistice sofisticate.
Imaginile și textele sunt combinate în tehnologiile text-imagine, cum ar fi difuzia stabilă, DALLE-2 și midjourney, folosind seturi de date precum LAION-5B.
Pe măsură ce digitalizăm tot mai multe aspecte ale vieții noastre și oferim modelelor de inteligență artificială acces la surse de date alternative, cum ar fi date simulate sau date din medii de joc precum Minecraft, acestea vor continua să avanseze în sofisticare și influență.
Pentru a antrena în mod eficient inteligența artificială, este necesară și o infrastructură de calcul.
Modelele care în prezent sunt intensiv computaționale și necesită procesare pe scară largă ar putea fi în curând controlate la nivel local, pe măsură ce computerele devin mai puternice.
De exemplu, Stabil Diffusion poate fi deja utilizat la nivel local, mai degrabă decât într-un mediu cloud.
A treia cerință pentru IA este reprezentată de algoritmi și modele mai bune.
Sistemele bazate pe date continuă să facă mari progrese în domenii despre care s-a crezut mult timp că sunt de domeniul cunoașterii umane.
Cu toate acestea, deoarece mediul în care trăim este în continuă schimbare, sistemele de IA trebuie să fie actualizate în permanență cu date noi.
Fără această etapă vitală, sistemele de IA vor ajunge la concluzii care nu sunt adevărate în realitate sau nu vor ține cont de informațiile care au ieșit la iveală de când au fost învățate.
Există și alte metode de inteligență artificială în afară de rețelele neuronale.
Un alt domeniu bine cunoscut al cercetării în domeniul IA este IA simbolică, care se concentrează pe cunoștințe și reguli comparabile cu modul în care oamenii construiesc intern reprezentări simbolice ale multor fenomene, mai degrabă decât să consume cantități enorme de date.
Cu toate acestea, în ultimii zece ani, raportul de forțe s-a schimbat semnificativ în favoarea metodelor bazate pe date, “părinții fondatori” ai învățării profunde contemporane câștigând recent Premiul Turing, echivalentul informaticii al Premiului Nobel.
Viitorul inteligenței artificiale este construit pe date, calcule și algoritmi.
Toate semnele sugerează că toate cele trei grupuri vor avansa rapid în viitorul apropiat.
