1955 оны 13-р сард хэсэг эрдэмтэд Нью-Хэмпширийн Дартмут коллежид зуны семинар зохион байгуулахын тулд 500 долларын санхүүжилт хүсэв. Тэдний судлахыг санал болгосон салбар бол хиймэл оюун ухаан (AI) байв. Санхүүжилтийн хүсэлт нь даруухан байсан ч судлаачдын таамаглал нь "Суралцах бүх тал эсвэл оюун ухааны бусад шинж чанаруудыг зарчмын хувьд үүнийг дуурайх машин бүтээж болохуйц нарийн тодорхойлогддог" гэсэн таамаглал байгаагүй.
Эдгээр даруухан эхлэлээс хойш кино болон хэвлэл мэдээллийн хэрэгслүүд хиймэл оюун ухааныг романтик болгож эсвэл түүнийг хорон санаатан болгон дүрсэлсэн. Гэсэн хэдий ч ихэнх хүмүүсийн хувьд хиймэл оюун ухаан нь зөвхөн маргааны асуудал хэвээр үлдсэн бөгөөд ухамсартай амьдралын туршлагын нэг хэсэг биш юм.
Өнгөрсөн сарын сүүлчээр AI хэлбэрээр GPT чат Шинжлэх ухааны уран зөгнөлт таамаглал, судалгааны лабораториос салж, олон нийтийн ширээний компьютер, утсанд нэвтэрсэн. Энэ бол "үүсгэх хиймэл оюун ухаан" гэж нэрлэгддэг зүйл юм - гэнэтийн ухаалаг үг хэллэг нь эссэ бичих, жор болон дэлгүүрийн жагсаалт гаргах, эсвэл Элвис Преслигийн хэв маягаар шүлэг зохиох боломжтой.
Гэсэн хэдий ч GPT чат нь хиймэл оюун ухаанд амжилт гаргасан нэг жилийн хугацаанд хамгийн гайхалтай оролцогч байсан бөгөөд үүнтэй төстэй системүүд нь шинэ контент бүтээх илүү их боломжийг харуулж, текстээс дүрс рүү шилжүүлэх дохиог ашиглан урлагийн уралдаанд ч түрүүлсэн тод дүрсийг бүтээхэд ашиглаж байна. Хиймэл оюун ухаанд амьд ухамсар, шинжлэх ухааны уран зөгнөлт кино, зохиолуудад алдаршсан оюун санааны онолыг хараахан эзэмшээгүй байж болох ч энэ нь бидний бодож байгаа хиймэл оюун ухааны системүүдийн хийж чадах зүйлийг ядаж тасалдуулахад ойртож байна.
Эдгээр системүүдтэй нягт хамтран ажилладаг судлаачид Google-ийн LaMDA Large Language Model (LLM) шиг тагнуулын хэтийн төлөвийг гайхшруулж байна. LLM нь байгалийн хэлийг боловсруулах, үүсгэхэд сургагдсан загвар юм.
Генератив хиймэл оюун ухаан нь мөн хулгайн гэмт хэрэг, загвар бүтээхэд ашигласан эх контентыг ашиглах, мэдээллийг ашиглах ёс зүй, итгэлийг урвуулан ашиглах, тэр ч байтугай "програмчлалын төгсгөл"-ийн талаар санаа зовниж байна.
AI үнэхээр юу гэсэн үг вэ?
Энэ бүхний төвд Дартмутад болсон зуны семинараас хойш улам бүр нэмэгдэж байгаа асуулт байна: AI нь хүний оюун ухаанаас ялгаатай юу? AI гэж үзэхийн тулд систем нь тодорхой түвшний суралцах, дасан зохицох чадвартай байх ёстой. Ийм учраас шийдвэр гаргах, автоматжуулалт, статистикийн системүүд нь хиймэл оюун ухаан биш юм. Ерөнхийдөө хиймэл оюун ухаан нь хиймэл нарийн оюун ухаан (AI) ба хиймэл ерөнхий оюун ухаан (AI) гэсэн хоёр төрөлд хуваагддаг. Одоогоор НЭМГ байхгүй байна. Ерөнхий хиймэл оюун ухааныг бий болгох гол сорилт бол дэлхийг бүхэл бүтэн мэдлэгээр, тууштай, хэрэгцээтэй байдлаар загварчлах явдал юм. Энэ бол зөөлрүүлж хэлэхэд том хэмжээний ажил.
Өнөөдөр хиймэл оюун ухаан гэж бидний мэддэг ихэнх зүйл нарийн оюун ухаантай байдаг - тодорхой систем нь тодорхой асуудлыг шийддэг. Хүний оюун ухаанаас ялгаатай нь ийм нарийн AI тагнуул нь зөвхөн луйвар илрүүлэх, царай таних, нийгмийн зөвлөмж гэх мэт сургагдсан салбартаа л үр дүнтэй байдаг. Мөн хиймэл оюун ухаан нь хүнтэй адилхан ажиллах болно. Одоогийн байдлаар үүнд хүрэх оролдлогын хамгийн тод жишээ бол мэдрэлийн сүлжээг ашиглах, асар их хэмжээний өгөгдөл дээр бэлтгэгдсэн гүнзгий суралцах явдал юм.
Мэдрэлийн сүлжээ нь хүний тархи хэрхэн ажилладагаас санаа авдаг. Сургалтын өгөгдөл дээр тооцоо хийдэг ихэнх машин сургалтын загваруудаас ялгаатай нь мэдрэлийн сүлжээнүүд нь харилцан холбогдсон сүлжээгээр өгөгдөл цэг бүрийг ээлжлэн тэжээж, параметрүүдийг тухай бүрд нь тохируулж ажилладаг. Сүлжээгээр улам олон өгөгдөл дамжуулах тусам параметрүүд тогтворжиж, улмаар "сургагдсан" мэдрэлийн сүлжээ бий болж, дараа нь шинэ өгөгдөл дээр хүссэн үр дүнг гаргах боломжтой - жишээлбэл, зураг нь муур эсвэл нохой агуулсан эсэхийг таних болно.
Өнөөдөр хиймэл оюун ухааны хөгжилд гарсан мэдэгдэхүйц үсрэлт нь том үүлэн тооцооллын дэд бүтцийн чадавхийн ачаар гүйлт бүрт асар олон тооны параметрүүдийг тохируулах боломжийг олгодог том мэдрэлийн сүлжээг сурах арга технологийн сайжруулалттай холбоотой юм. Жишээлбэл, GPT-3 (ChatGPT-ийг дэмждэг AI систем) нь 175 тэрбум параметр бүхий том мэдрэлийн сүлжээ юм.
Хиймэл оюун ухаан ажиллахын тулд юу шаардлагатай вэ?
Хиймэл оюун ухаан амжилттай ажиллахын тулд гурван зүйл хэрэгтэй. Нэгдүгээрт, түүнд чанартай, бодитой өгөгдөл, маш их хэрэгтэй. Мэдрэлийн сүлжээг бүтээдэг судлаачид нийгмийг дижиталчилсны үр дүнд бий болсон олон тооны өгөгдлийг ашигладаг.
Хүний программистуудыг нөхөж, Co-Pilot GitHub дээр байрлуулсан олон тэрбум мөр кодын мэдээллээс авдаг. ChatGPT болон бусад том хэлний загварууд нь интернетэд хадгалагдсан олон тэрбум вэбсайт, текст баримт бичгийг ашигладаг.
Текстийг зураг руу хөрвүүлэх хэрэгсэл гэх мэт Тогтвортой тархалт, ДАЛЛЕ-2 болон Midjourney, LAION-5B гэх мэт өгөгдлийн багцаас зураг-текстийн хосыг ашиглана. Бид амьдралаа дижитал хэлбэрт шилжүүлж, симуляцийн өгөгдөл эсвэл Minecraft зэрэг тоглоомын тохиргооны өгөгдөл гэх мэт өөр мэдээллийн эх үүсвэрээр хангахын хэрээр хиймэл оюун ухааны загварууд үргэлжлэн хөгжсөөр байх болно.
Мөн хиймэл оюун ухаанд үр дүнтэй сургахын тулд тооцоолох дэд бүтэц хэрэгтэй. Компьютер илүү хүчирхэг болохын хэрээр одоо эрчимтэй хүчин чармайлт, том хэмжээний тооцоолол шаарддаг загваруудыг ойрын ирээдүйд дотооддоо боловсруулж болно. Жишээлбэл, Stable Diffusion загварыг үүлэн орчинд биш харин локал компьютер дээр ажиллуулж болно. AI-ийн гурав дахь хэрэгцээ бол сайжруулсан загвар, алгоритм юм. Мэдээлэлд суурилсан системүүд хүний танин мэдэхүйн салбар гэж тооцогддог салбарт хурдацтай ахиц дэвшил гаргасаар байна.
Гэсэн хэдий ч бидний эргэн тойрон дахь ертөнц байнга өөрчлөгдөж байдаг тул хиймэл оюун ухааны системийг шинэ өгөгдөл ашиглан байнга давтан сургах шаардлагатай байдаг. Энэхүү чухал алхамгүйгээр хиймэл оюун ухааны системүүд сургагдсан цагаасаа хойш гарч ирсэн шинэ мэдээллийг харгалздаггүй эсвэл бодитойгоор буруу хариулт өгөх болно.
Мэдрэлийн сүлжээ нь хиймэл оюун ухаанд хандах цорын ганц арга биш юм. Хиймэл оюун ухааны судалгааны өөр нэг чухал бааз бол бэлгэдлийн хиймэл оюун ухаан бөгөөд асар их хэмжээний өгөгдлийг задлахын оронд тодорхой үзэгдлийн дотоод бэлгэдлийн дүрслэлийг бий болгох хүний үйл явцтай төстэй дүрэм, мэдлэгт тулгуурладаг.
Гэвч сүүлийн жилийн хугацаанд хүчний тэнцвэрт байдал өгөгдөлд тулгуурласан хандлага руу ихээхэн хазайж, орчин үеийн гүнзгий сургалтын "үндэслэгч эцэг" нь саяхан компьютерийн шинжлэх ухааны Нобелийн шагналтай дүйцэхүйц Тьюрингийн шагнал хүртжээ.
Өгөгдөл, тооцоолол, алгоритмууд нь ирээдүйн хиймэл оюун ухааны үндэс суурь болдог. Бүх үзүүлэлтүүд ойрын ирээдүйд гурван ангилалд хурдацтай ахиц дэвшил гарч байгааг харуулж байна.
Та Украинд Оросын түрэмгийлэгчдийн эсрэг тэмцэхэд тусалж чадна. Үүнийг хийх хамгийн сайн арга бол Украины Зэвсэгт хүчинд мөнгө хандивлах явдал юм Амьдралыг аврах эсвэл албан ёсны хуудсаар дамжуулан NBU.