Чи дійсно штучний інтелект досягнув “диявольського рівня” розуміння? Розмова про AGI, чутки та наші упередження
Мій друг, розробник, за кавою якось розповів мені про AGI – штучний загальний інтелект – з таким запалом, ніби він щойно відкрив портал у майбутнє. “Ліло, – сказав він, – ти не уявляєш, що відбувається. Ніби хтось увімкнув новий режим розуміння для машин”. Я, звісно, посміхнулася, проте в його очах не було жарту – лише щире захоплення і, можливо, трохи тривоги. Невдовзі я натрапила на новину, яка змусила мене замислитися: ексочільник Google, Джад Тафарі, стверджує, що його компанія Integral AI досягла AGI. Звучить як фантастика, чи не так? Тож давайте розберемося, що це означає для нас, простих смертних, і чому ця новина, хоч і не гучна, може стати початком нової ери.
“Таємне” оголошення: AGI чи просто галас?
Перше, що мене вразило – це тиша навколо цієї заяви. Якби хтось дійсно створив AGI, про це б протрубили на весь світ! Але твіт від Integral AI, де вони оголосили про “першу модель, здатну до AGI”, зібрав лише кілька сотень переглядів. Це як запустити космічний корабель, а про це знає тільки кілька астрономів. Чому? Чи ніхто не повірив? Або, можливо, сама новина ще не встигла дістатися до широкого загалу? Як людина, яка любить розумітися на “підводних каменях” технологій, я вирішила зануритися глибше.
Джад Тафарі – не хтось. Він один з першопрохідців у сфері генеративного ШІ в Google, а тепер керує власною компанією, яка зосереджена саме на AGI. Він навіть просуває ідею “вільного АІ” та світу моделювання, стверджуючи, що традиційні PhD можуть застаріти. Це вже серйозно. Його команда заявляє, що розробила “першу модель, здатну до AGI”, яка “автономно навчається новим навичкам безпечно, ефективно та надійно”. Звучить вражаюче, але давайте розберемося, що це означає на практиці.
Що таке AGI насправді? Не просто “розумна програма”
Integral AI пропонують досить чітке визначення AGI, яке, мушу визнати, відрізняється від того, що ми часто чуємо. Вони виділяють три ключові критерії:
- Автономне навчання навичкам: Модель має навчити себе нових навичок у нових сферах, не покладаючись на існуючі набори даних чи людське втручання. Це нагадує дитину, яка вчиться ходити – вона не чекає інструкцій, а просто пробує.
- Безпечне та надійне оволодіння: Навчання має відбуватися без побічних ефектів чи катастрофічних збоїв. Уявіть робота-кухаря, який під час навчання не влаштовує пожежу на кухні.
- Енергоефективність: Загальна вартість навчання має бути порівнянна або менша, ніж у людини. Це дуже важливо, бо наші власні мізки – це диво інженерії, яке працює з мінімальними витратами енергії.
Ці критерії, на мою думку, надзвичайно важливі. Бо, давайте чесно, багато сучасних ШІ-систем – це як блискучі папуги: вони можуть повторювати, але чи справді розуміють?
Чому сучасні ШІ – це “чорні скриньки”?
Автори Integral AI вказують на ключову проблему сучасних систем, і я з цим повністю згодна. Вони працюють як “чорні скриньки”: беруть дані на вході, видають результат, але процеси, які відбуваються всередині, залишаються загадкою. Вони змішують запам’ятовування та узагальнення, що призводить до неефективності. Це як коли ви намагаєтеся навчити когось рецепту борщу, просто даючи йому величезний перелік інгредієнтів, але не пояснюючи, як їх поєднувати. Результат може бути непередбачуваним.
Такі системи часто покладаються на “грубу силу” обчислень, витрачаючи величезні ресурси. А ще вони крихкі – будь-яка зміна, будь-яка нова ситуація може вивести їх з ладу. Уявіть собі такого “розумника”, який звик до ідеальних умов, а потім потрапляє в реальний світ з його купою несподіванок.
Новий підхід: Як ШІ може стати схожим на наш мозок
Integral AI пропонують новий підхід, який вони називають “парадигмальним зсувом”. Їхня система будується на принципах, що нагадують будову людського неокортексу:
- Мультимодальність та втілення: Система інтегрує дані з різних джерел – зір, мову, аудіо, навіть фізичні сенсори (якщо уявити робота). Це дозволяє їй формувати цілісне “розуміння світу”.
- Ієрархічні абстракції: Замість того, щоб просто поглинати дані, система вчиться їх стискати та організовувати в шари. Це схоже на те, як ми узагальнюємо інформацію, створюючи ментальні карти.
- Масштабоване зростання: На відміну від статичних систем, ця може розвиватися “життям”, постійно навчаючись і не забуваючи попередніх знань. Це як ваш власний мозок, який з часом стає мудрішим.
Демонстрація: Чи справді це “магія”?
Звісно, найцікавіше – це побачити, як це працює. Integral AI надали кілька демонстрацій, і ось тут починається найцікавіше.
Демо #1: Навігація та вирішення проблем у 3D-середовищі
Уявіть, що ви потрапляєте в новий для себе будинок, і вам потрібно знайти там свої речі, або зрозуміти, де що знаходиться. Це те, що робить їхня модель. Вона досліджує простір, збирає інформацію, формує “ментальну картину” і використовує передбачення майбутнього, щоб ефективніше рухатися. Це вражає! Модель може відповідати на запитання типу: “Чи я залишив ноутбук десь у будинку?”, “Скільки місць для сидіння у кімнаті?”, “Якого кольору стіна у вітальні?”.
Демо #2: Ефективне планування, як людське око
А тепер уявіть, як працює наше око. Воно рухається швидкими стрибками, фокусуючись на важливих деталях. Між цими стрибками наш мозок “домальовує” картину. ШІ Integral AI робить щось подібне: шукає найважливіші “шматки” інформації, щоб зібрати цілісне зображення. Якщо питають про колір фону, він дивиться на краї; якщо про посмішку – на очі та куточки рота. Це дозволяє досягти точності з меншою кількістю “поглядів”.
Демо #3: Експеримент “Shooan” – швидкість, яка вражає
Це, мабуть, найцікавіше. Тут йдеться про експеримент, де ШІ має знайти найбільш ефективний шлях до мети, наприклад, у грі. Замість того, щоб “гадати”, він запитує себе: “Скільки кроків залишилося до розв’язання?”. І обирає шлях з найменшою кількістю кроків. Це вражає, тому що показує не просто виконання завдання, а певне “стратегічне мислення”. Вони стверджують, що їхній ШІ може досягти рівня майстра у грі за частку часу, який потрібен людині.
Мої сумніви: Де докази?
Я захоплена тим, що бачу, але маю бути чесною. Я – блогер, а не сліпий адепт. І є кілька моментів, які викликають у мене питання.
- Відсутність незалежної перевірки: Це найголовніше. Де код? Де детальна методологія? Коли такі компанії, як DeepMind, роблять подібні заяви, вони надають можливість перевірити їхню роботу, опублікувати код. Тут же – нічого. Це як сказати: “Я винайшла ліки від усіх хвороб”, але нікому не дати їх спробувати.
- Власні метрики успіху: Вони самі вигадали критерії, а потім оголосили себе переможцями. Це нагадує організацію перегонів, вигадування правил та заяву про те, що ти – найшвидший, адже ніхто інший не брав участі.
- Якість демонстрацій: Чесно кажучи, для AGI-системи, демонстрації виглядають дещо… низькоякісними. Це, звичайно, суб’єктивно, але це викликає певний дисонанс.
Я не кажу, що вони не досягли нічого. Я лише кажу: де результати, які очікує спільнота? Де велике фінансування, яке зазвичай супроводжує такі прориви? Можливо, вони просто настільки багаті, що їм не потрібні інвестори? Хтозна.
“На трьох китах” AGI: Архітектура, навчання та безпека
Однак, слухаючи інтерв’ю з Джадом Тафарі, я бачу, що вони чітко розуміють, що потрібно для AGI. Вони говорять про три кити:
- Архітектурний прорив: Перехід від моделей, які лише прогнозують, до моделей, які одночасно створюють абстракції (розуміють світ) і прогнозують. Це, на мою думку, найважливіше.
- Прорив у методах навчання: Перехід від обмеженого навчання до “інтерактивного навчання”. Це означає, що модель не просто вчиться на даних, а активно взаємодіє зі світом, ставить запитання, робить спроби (фізичні чи віртуальні) і на основі цього самовдосконалюється. Особливо цікавий “прорив у безперервному навчанні” – коли модель може покращувати себе, не забуваючи попереднього досвіду.
- Прорив у узгодженні (alignment): Як зробити так, щоб ці потужні системи діяли безпечно, не завдаючи шкоди? Це той самий “етичний блок”, якого так бояться.
Висновок: Чи варто нам хвилюватися?
Чи досягли вони AGI? Я не знаю. Але я знаю одне: ми стоїмо на порозі чогось нового. Незалежно від того, чи є це справжнім AGI, чи просто дуже просунутою системою, ці ідеї – про автономне навчання, абстракції, ефективність – надзвичайно важливі.
Що робити нам?
- Будьте допитливими: Стежте за новинами, але не вірте всьому на слово. Шукайте докази, незалежні дослідження.
- Розумійте основи: Чим більше ви знаєте про те, як працює ШІ, тим менше ви будете лякатися або піддаватися на обіцянки.
- Думайте про майбутнє: Які навички будуть важливі, коли машини стануть ще розумнішими? Навчання, креативність, критичне мислення – це те, що поки не може замінити жодна машина.
Integral AI, можливо, ще не відчинили двері до справжнього AGI, але вони точно смикнули за ручку. І це вже само по собі заслуговує на нашу увагу. А поки що, тримайте каву теплою, а розум – відкритим.
Підсумовуючи все вище сказане, ми спостерігаємо за цікавою заявою про досягнення AGI від команди Integral AI. Хоча відсутність незалежної перевірки та власних метрик успіху викликає певні сумніви, запропонований ними підхід до архітектури, навчання та безпеки ШІ є надзвичайно перспективним. Ця ситуація змушує нас замислитися над тим, що дійсно означає “інтелект” для машини, і нагадує про важливість критичного мислення в епоху стрімкого розвитку технологій.
І що далі? Я закликаю вас не стояти осторонь. Цікавтеся, вивчайте, ставте запитання. Можливо, саме ваша допитливість допоможе нам краще зрозуміти майбутнє, яке створюється вже сьогодні.
