Μετάβαση στο περιεχόμενο
Friday 20 November

Google DeepMind: Η εποχή της τεχνητής υπερνοημοσύνης πλησιάζει – Πρέπει να προετοιμαστούμε

Google DeepMind: Η εποχή της τεχνητής υπερνοημοσύνης πλησιάζει – Πρέπει να προετοιμαστούμε
Εικόνα από το αρχικό άρθρο — share.google.

Οι επιστήμονες της Google DeepMind στρέφουν πλέον το ενδιαφέρον τους στην ανάπτυξη συστημάτων που θα ξεπερνούν τις ανθρώπινες δυνατότητες σχεδόν σε κάθε γνωστικό πεδίο, καθώς η γενική τεχνητή νοημοσύνη φαίνεται να πλησιάζει. Την εκτίμηση αυτή μεταφέρει ο Independent, επικαλούμενος τον ερευνητή της εταιρείας Τιμ Γκένεβαϊν, ο οποίος θεωρεί ότι η έλευση της AGI θα μπορούσε να ακολουθηθεί σχετικά σύντομα από την ASI.

Μια τέτοια εξέλιξη θα μπορούσε να επιταχύνει την επιστημονική πρόοδο και να φέρει σημαντικές ανακαλύψεις στην ιατρική, στα υλικά και στην καθαρή ενέργεια.

Η γενική τεχνητή νοημοσύνη περιγράφει συστήματα που ανταποκρίνονται εξίσου καλά με τον άνθρωπο σε σχεδόν όλες τις γνωστικές εργασίες. Αντίθετα, η τεχνητή υπερνοημοσύνη προϋποθέτει μηχανές που ξεπερνούν τις επιδόσεις μεγάλου αριθμού ανθρώπων σε ευρύ φάσμα δραστηριοτήτων, από την ταχεία πρόοδο σε ολόκληρους κλάδους έρευνας έως τον σχεδιασμό προηγμένων μικροκυκλωμάτων.

Η διαφορά έγκειται στο ότι οι ικανότητες αυτές δεν θα περιορίζονται σε μεμονωμένες εργασίες, όπως ήδη συμβαίνει με ορισμένα συστήματα AI, αλλά θα εκτείνονται σχεδόν σε όλο το φάσμα δραστηριοτήτων που ενδιαφέρουν τον άνθρωπο.

Δεν συμμερίζονται, πάντως, όλοι οι επιστήμονες αυτή την αισιοδοξία. Ορισμένοι αμφισβητούν ακόμη και τη δυνατότητα επίτευξης της AGI, υποστηρίζοντας ότι τα σημερινά, κατά βάση γλωσσικά, συστήματα έχουν θεμελιώδεις περιορισμούς στην κατανόηση του πραγματικού κόσμου.

Σε νέα ανάρτησή του, ο Γκένεβαϊν περιγράφει μια διαδικασία που αποκαλεί «γνωστική εκβιομηχάνιση» (cognitive industrialisation), η οποία, κατά την εκτίμησή του, θα οδηγήσει σε πολύ ισχυρότερα συστήματα τεχνητής νοημοσύνης.

Η διαδικασία αυτή στηρίζεται στη βελτίωση του σχεδιασμού των μικροκυκλωμάτων, στην αυξανόμενη αποδοτικότητα των ίδιων των συστημάτων AI και στις μεγάλες επενδύσεις σε νέες υπολογιστικές υποδομές. Σύμφωνα με τον ερευνητή, ο συνδυασμός αυτών των παραγόντων οδηγεί στο να δεκαπλασιάζεται κάθε χρόνο η διαθέσιμη υπολογιστική ισχύς για εφαρμογές AI, αν συνυπολογιστούν οι βελτιώσεις στην αποδοτικότητα. Σε ορίζοντα δεκαετίας, αυτό αντιστοιχεί σε αύξηση κατά δέκα δισεκατομμύρια φορές. Η μεγαλύτερη ισχύς, ωστόσο, δεν εγγυάται από μόνη της την επίτευξη της υπερνοημοσύνης.

Για να εξηγήσει αυτή τη διαφορά, ο Γκένεβαϊν επικαλείται το παράδειγμα του Άλμπερτ Αϊνστάιν: ο φυσικός διατύπωσε τη γενική θεωρία της σχετικότητας, κάτι που, σύμφωνα με τον ερευνητή, δεν θα μπορούσαν να επιτύχουν ούτε χίλιοι αστρονόμοι του αρχαίου κόσμου αν συνεργάζονταν.

Καθοριστικό ρόλο στη μετάβαση προς την υπερνοημοσύνη θα μπορούσαν να παίξουν νέες μορφές δεδομένων εκπαίδευσης, όπως μοντέλα του πραγματικού κόσμου, τεχνολογίες που επιτρέπουν στα συστήματα να παράγουν πρωτότυπες ιδέες αντί να ανασυνθέτουν υπάρχουσες, και αποτελεσματικότερη συνεργασία μεταξύ αυτόνομων συστημάτων AI.

Ιδιαίτερη βαρύτητα αποδίδεται στη λεγόμενη αναδρομική αυτοβελτίωση, δηλαδή στη δυνατότητα των συστημάτων να εκπαιδεύουν και να βελτιώνουν τα ίδια τον εαυτό τους, επιταχύνοντας την εξέλιξή τους.

Ο συνδυασμός αυτών των παραγόντων, σύμφωνα με τον Γκένεβαϊν, θα μπορούσε να μας οδηγήσει «σχετικά ομαλά από το σήμερα στη γενική τεχνητή νοημοσύνη επιπέδου ειδικού και στη συνέχεια στην εποχή της υπερανθρώπινης τεχνητής νοημοσύνης, επιταχύνοντας την επιστήμη και επιτρέποντας σημαντικές ανακαλύψεις σε τομείς όπως η ιατρική, τα υλικά και η καθαρή ενέργεια».

Για τον ερευνητή της DeepMind, η συζήτηση δεν πρέπει πλέον να περιορίζεται στο πώς θα επιτευχθεί η τεχνητή υπερνοημοσύνη, αλλά να επεκταθεί και στο τι θα συμβεί εάν αυτή επιτευχθεί. Αυτό, όπως υποστηρίζει, απαιτεί εκτεταμένη διεπιστημονική συνεργασία μεταξύ προηγμένων ερευνητικών εργαστηρίων, εθνικών και διεθνών οργανισμών, καθώς και την ανάπτυξη νέων μεθόδων για τη μέτρηση του ρυθμού εξέλιξης της τεχνητής νοημοσύνης.

«Η γενική τεχνητή νοημοσύνη ανθρώπινου επιπέδου αποτελεί εδώ και καιρό τον ορίζοντα της έρευνας για την AI, αλλά απέχει πολύ από το ανώτατο όριο της νοημοσύνης», γράφει.

«Η κατανόηση του τι θα μπορούσε να ακολουθήσει -και των επιπτώσεών του στην επιστήμη, τη βιομηχανία και την κοινωνία- είναι η μεγάλη πρόκληση που έχουν μπροστά τους οι ερευνητές, οι προγραμματιστές και οι υπεύθυνοι χάραξης πολιτικής».

Με πληροφορίες από Independent

Πηγή: share.google.

Το κείμενο δημιουργήθηκε από GPT 5.0. Δείτε τα AI Editorial Guidelines.

Περισσότερα από Digital World

Όλα →