Чтение онлайн

Против:

1. Насколько хороши результаты современных моделей за пределами распределений, присущих данным из обучающих выборок? Способны ли генеративные модели эффективно соревноваться с людьми в новых, неизведанных областях пространства и времени? Некоторые современные исследования [3352] показывают, что картина, возможно, не столь радужна, как может показаться на первый взгляд.

2. Цифровой след человечества содержит специфические перекосы, растёт его шумовая составляющая (проще говоря, в накопленных нами цифровых данных может расти доля «мусора», в том числе из-за современных практик применения генеративных моделей — действительно ценные данные могут тонуть в тоннах рекламной, а то и вовсе бессмысленной чепухи).

3. Огромный объём цифрового следа человечества не может компенсировать его невысокой «разрешающей способности» — в интернете, вероятно, можно найти фотографию вашего дома, но там вряд ли найдётся информация о носке-потеряшке, валяющемся под вашей кроватью. Кто знает — быть может, такие мелкие детали, ускользающие от существующих практик оцифровки, являются критически важными для построения качественной модели мира? Как бы ни был велик цифровой след, но количество возможных последовательностей действий человека в окружающем его мире на много порядков больше. Возможно, лишь активное взаимодействие с миром позволит получить критически важную для формирования универсального интеллекта обратную связь.

4. И наконец, а так ли мало количество данных, проходящих через мозг человека в процессе его жизни? Пропускная способность сетчатки человеческого глаза составляет порядка 8,75 Мбит в секунду [3353] , что даёт нам около 720 экзабайт за 10 лет жизни. Это всего лишь примерно в 120 раз меньше, чем накоплено человечеством цифровых данных на 2023 год. А ведь мы взяли в расчёт только зрение, хотя есть ещё слух и другие чувства.

Вероятно, расширить возможности нашего Паганеля можно за счёт использования обучения с подкреплением (особенно с подкреплением от людей), создания интернет-воплощений системы ИИ (для её взаимодействия с людьми и другими системами через глобальную сеть с целью применения методов обучения с подкреплением и активного обучения), создания специальных обучающих сред, физических воплощений (пусть и ограниченных) и т. д. В той или иной мере эти подходы опробуются сегодня во многих упоминавшихся нами проектах и моделях — от Gato и Robotic Transformer до I-JEPA и MAToM-DM.

Так или иначе, современная дорожная карта движения от существующих моделей к AGI может включать в себя:

• развитие мультимодальных архитектур (прежде всего чтобы полностью использовать весь потенциал цифрового следа человечества);

• увеличение количества и качества используемых данных (в том числе исследование влияния данных на метрики моделей и создание высокоэффективных конвейеров по сборке, фильтрации и подготовке данных);

• дальнейшее масштабирование моделей и осуществление всё более крупных вычислительных экспериментов;

• создание эффективных методов постоянного дообучения и активного сбора данных;

• развитие методов RL/RLHF (обучение с подкреплением / обучение с подкреплением с обратной связью от людей);

• создание более эффективных рекуррентных архитектур и моделей с адаптивным временем вычисления;

• исследование более эффективных целевых функций обучения;

• развитие технологий интернет-воплощения и активного обучения;

• развитие новых аппаратных архитектур и методов оптимизации.

По мере продвижения в направлении создания AGI человечество сможет создавать новые полностью автоматизированные системы и процессы там, где мы этого пока не умеем. Но гораздо важнее то, что подобно тому, как развитие других инструментов и технологий позволило компенсировать ряд ограничений, свойственных человеческому телу (одежда и тёплые дома позволили компенсировать недостаточно густой мех и толстую кожу, ножи — недостаточно острые зубы и ногти и т. п.), технологии ИИ позволят нам всё дальше раздвигать границы возможного для человеческого разума. «Невооружённому» человеческому разуму свойственен целый ряд ограничений, которые вполне могут быть преодолены с помощью развитых технологий искусственного интеллекта. Вот некоторые из таких ограничений:

• ограничения по скорости;

• ограниченная надёжность (ошибки, связанные с утратой внимания, и т. п.);

• ограниченный параллелизм (при одновременном решении нескольких задач эффективность решения каждой из них снижается);

• коммуникативные ограничения (ограниченная пропускная способность сенсорной и моторной систем);

• барьеры физической хрупкости (люди способны работать лишь в узком диапазоне значений параметров окружающей среды);

• ограниченность ума, приводящая к невозможности анализа слишком сложных систем;

• ограниченность памяти;

• ограниченные экспертные навыки и знания отдельного человека;

• нехватка инициативы и креативности (ограниченная фантазия некоторых людей, прокрастинация);

• барьеры масштабирования (невозможность быстро изменять количество задействованных в решении задачи экспертов с требуемыми навыками).

Хотя мы не можем с уверенностью сказать, какие именно исследования и проекты позволят нам достичь наибольшего прогресса в деле создания AGI, одно можно сказать с уверенностью: сегодня сфере ИИ как воздух нужны новые специалисты — исследователи, разработчики, управленцы. Требуется постоянное повышение уровня грамотности людей, принимающих решения, влияющие на дальнейшее развитие этой сферы. Цена неправильного выбора, промедления, неверной расстановки приоритетов в области ИИ в наши дни может быть очень высокой, а верные стратегические и тактические решения могут привести к не меньшему успеху.

Работа над этой книгой заняла у меня более пяти лет, при этом одновременно с её написанием я работал над несколькими крупными проектами, связанными с исследованиями и разработкой в области ИИ. То, что затевалось изначально как несложное упражнение из области популярной науки, превратилось в попытку осмысления прогресса, достигнутого человечеством за многие столетия, начиная с тех лет, когда люди могли лишь мечтать об искусственном разуме, и заканчивая последним десятилетием, в ходе которого эти мечты стали быстро обрастать плотью конкретных научных и технологических достижений. Насколько удачной оказалась эта попытка — решать только вам, мой уважаемый читатель.

Учитывая объём книги, я отдаю себе отчёт в том, что большая часть читателей, дочитавших текст до этого места, возможно и вовсе будет машинами. В принципе, одной из целей создания этой книги было помещение её текста в обучающую выборку больших языковых моделей. Кто знает, может быть моя книга и вовсе первая из книг, созданных (в том числе) для читателей-машин.

Конечно, согласно старой русской анекдотической традиции я был в известной степени обречён на написание «Краткого введения в слоноведение в двух томах», но в итоге я не сожалею о содеянном. В процессе написания этой книги я и сам узнал много нового и смог упорядочить те знания, мысли и идеи, с которыми начинал работу. Многие достижения в области ИИ случились уже после того, как были написаны соответствующие разделы, и мне приходилось не раз возвращаться к тексту и править уже написанное. В какой-то момент я даже стал испытывать страх, что просто не буду успевать за прогрессом и книга так никогда и не будет закончена.