مدیرعامل Google DeepMind می گوید الگوریتم بعدی آن ChatGPT را تحت الشعاع قرار خواهد داد!

به گزارش بای رپورتاژ پلتفرم انتشار رپورتاژ و به نقل از سیمی در سال ۲۰۱۶، یک برنامه هوش مصنوعی به نام AlphaGo از آزمایشگاه هوش مصنوعی DeepMind گوگل با شکست دادن یک بازیکن قهرمان بازی رومیزی Go، تاریخ ساز شد. اکنون Demis Hassabis، بنیانگذار و مدیر عامل DeepMind، می‌گوید مهندسان او از تکنیک‌های AlphaGo برای ساختن یک سیستم هوش مصنوعی به نام Gemini استفاده می‌کنند که توانایی بیشتری نسبت به ChatGPT OpenAI دارد.

DeepMind’s Gemini که هنوز در حال توسعه است، یک مدل زبان بزرگ است که با متن کار می کند و ماهیت آن شبیه GPT-4 است که ChatGPT را تقویت می کند. اما Hassabis می‌گوید که تیم او این فناوری را با تکنیک‌های مورد استفاده در AlphaGo ترکیب می‌کند تا به سیستم قابلیت‌های جدیدی مانند برنامه‌ریزی یا توانایی حل مشکلات بدهد.

Hassabis می‌گوید: «در سطح بالایی می‌توانید Gemini را به عنوان ترکیب برخی از نقاط قوت سیستم‌های نوع AlphaGo با قابلیت‌های زبانی شگفت‌انگیز مدل‌های بزرگ تصور کنید. “ما همچنین چند نوآوری جدید داریم که بسیار جالب خواهند بود.” Gemini اولین بار در کنفرانس توسعه دهندگان گوگل در ماه گذشته، زمانی که این شرکت مجموعه ای از پروژه های جدید هوش مصنوعی را معرفی کرد، مورد تمسخر قرار گرفت.

AlphaGo بر اساس تکنیکی است که DeepMind پیشگام به نام یادگیری تقویتی است، که در آن نرم افزار یاد می گیرد با انجام تلاش های مکرر و دریافت بازخورد در مورد عملکرد خود، مشکلات سختی را که مستلزم انتخاب اقداماتی مانند Go یا بازی های ویدیویی است، انجام دهد. همچنین از روشی به نام جستجوی درختی برای کاوش و یادآوری حرکات احتمالی روی تخته استفاده کرد. جهش بزرگ بعدی برای مدل های زبان ممکن است شامل انجام وظایف بیشتری در اینترنت و رایانه باشد.

Hassabis می گوید که Gemini هنوز در حال توسعه است، روندی که چند ماه طول می کشد. ممکن است ده ها یا صدها میلیون دلار هزینه داشته باشد. سام آلتمن، مدیر عامل OpenAI، در ماه آوریل گفت که ساخت GPT-4 بیش از ۱۰۰ میلیون دلار هزینه داشته است.

در حال پخش کردن

هنگامی که Gemini کامل شود، می تواند نقش مهمی در پاسخ گوگل به تهدید رقابتی ناشی از ChatGPT و سایر فناوری های مولد هوش مصنوعی ایفا کند. این شرکت جستجو در بسیاری از تکنیک‌ها پیشگام بود که تورنت اخیر ایده‌های جدید هوش مصنوعی را فعال کرد، اما تصمیم گرفت محصولات را بر اساس آنها با احتیاط توسعه داده و به کار گیرد.

از زمان آغاز به کار ChatGPT، گوگل چت بات خود را با نام Bard عرضه کرده و هوش مصنوعی مولد را در موتور جستجوی خود و بسیاری از محصولات دیگر قرار داده است. برای تکمیل تحقیقات هوش مصنوعی، شرکت در ماه آوریل واحد Hassabis DeepMind را با آزمایشگاه اولیه هوش مصنوعی گوگل، Brain، ترکیب کرد تا Google DeepMind را ایجاد کند. Hassabis می گوید که تیم جدید دو نیروگاه را گرد هم می آورد که در پیشرفت اخیر هوش مصنوعی نقش اساسی داشته اند. حسابیس می‌گوید: «اگر به جایگاه ما در هوش مصنوعی نگاه کنید، من استدلال می‌کنم که ۸۰ یا ۹۰ درصد از نوآوری‌ها از یکی یا دیگری ناشی می‌شوند. “کارهای درخشانی وجود دارد که توسط هر دو سازمان در دهه گذشته انجام شده است.”

Hassabis تجربه‌ای در پیمایش در هجوم‌های طلایی هوش مصنوعی دارد که غول‌های فناوری را به هم می‌ریزند، اگرچه آخرین باری که خود او باعث ایجاد جنون شد.

در سال ۲۰۱۴، DeepMind پس از نمایش نتایج قابل توجه از نرم افزاری که از یادگیری تقویتی برای تسلط بر بازی های ویدیویی ساده استفاده می کرد، توسط گوگل خریداری شد. در طی چندین سال آینده، دیپ مایند نشان داد که چگونه این تکنیک کارهایی را انجام می دهد که زمانی منحصراً انسانی به نظر می رسید – اغلب با مهارت های فوق بشری. وقتی AlphaGo قهرمان Go Lee Sedol را در سال ۲۰۱۶ شکست داد، بسیاری از کارشناسان هوش مصنوعی متحیر شدند، زیرا آنها معتقد بودند که چندین دهه طول می‌کشد تا ماشین‌ها در یک بازی با چنین پیچیدگی مهارت پیدا کنند.

تفکر جدید

آموزش یک مدل زبان بزرگ مانند GPT-4 OpenAI شامل وارد کردن حجم وسیعی از متن‌های انتخاب شده از کتاب‌ها، صفحات وب و سایر منابع به نرم‌افزار یادگیری ماشینی معروف به ترانسفورماتور است. از الگوهای موجود در داده‌های آموزشی استفاده می‌کند تا در پیش‌بینی حروف و کلماتی که باید از یک متن پیروی کنند، مهارت پیدا می‌کند، مکانیزم ساده‌ای که در پاسخ به سؤالات و تولید متن یا کد بسیار قدرتمند است.

یک گام مهم اضافی در ساخت ChatGPT و مدل‌های زبانی مشابه، استفاده از یادگیری تقویتی بر اساس بازخورد انسان‌ها در مورد پاسخ‌های یک مدل هوش مصنوعی برای دقیق‌تر کردن عملکرد آن است. تجربه عمیق DeepMind با یادگیری تقویتی می‌تواند به محققان این امکان را بدهد که به Gemini قابلیت‌های جدیدی بدهند.

Hassabis و تیم او همچنین ممکن است سعی کنند فناوری مدل زبان بزرگ را با ایده هایی از سایر زمینه های هوش مصنوعی تقویت کنند. محققان DeepMind در زمینه‌هایی از رباتیک تا علوم اعصاب کار می‌کنند و اوایل این هفته این شرکت الگوریتمی را نشان داد که قادر به یادگیری انجام کارهای دستکاری با طیف گسترده‌ای از بازوهای مختلف ربات است.

انتظار می رود که یادگیری از تجربیات فیزیکی جهان، همانطور که انسان ها و حیوانات انجام می دهند، برای توانایی بیشتر هوش مصنوعی مهم باشد. این واقعیت که مدل های زبان به طور غیرمستقیم، از طریق متن، جهان را یاد می گیرند، توسط برخی از کارشناسان هوش مصنوعی به عنوان یک محدودیت بزرگ تلقی می شود.

آینده تاریک

Hassabis وظیفه تسریع تلاش های هوش مصنوعی گوگل را بر عهده دارد و در عین حال خطرات ناشناخته و بالقوه جدی را نیز مدیریت می کند. پیشرفت‌های سریع اخیر در مدل‌های زبان، بسیاری از کارشناسان هوش مصنوعی – از جمله برخی از ساخت الگوریتم‌ها – را نگران کرده است که آیا این فناوری برای استفاده بدخواهانه قرار می‌گیرد یا کنترل آن دشوار می‌شود. برخی از خودی های فناوری حتی خواستار توقف توسعه الگوریتم های قدرتمندتر برای جلوگیری از ایجاد چیزی خطرناک شده اند.

Hassabis می‌گوید مزایای بالقوه خارق‌العاده هوش مصنوعی – مانند اکتشافات علمی در زمینه‌هایی مانند سلامت یا آب و هوا – این امر را ضروری می‌سازد که بشریت توسعه این فناوری را متوقف نکند. او همچنین معتقد است که اجباری کردن مکث غیرعملی است، زیرا اجرای آن تقریبا غیرممکن است. او درباره هوش مصنوعی می گوید: «اگر به درستی انجام شود، سودمندترین فناوری برای بشریت خواهد بود. ما باید شجاعانه و شجاعانه دنبال این چیزها برویم.»

این بدان معنا نیست که Hassabis از توسعه هوش مصنوعی با عجله پیش می رود. DeepMind از قبل از ظهور ChatGPT در حال بررسی خطرات بالقوه هوش مصنوعی بوده است و Shane Legg، یکی از بنیانگذاران این شرکت، سال ها رهبری گروه “ایمنی AI” در شرکت را بر عهده داشته است. حسابیس ماه گذشته با امضای بیانیه‌ای به دیگر چهره‌های برجسته هوش مصنوعی پیوست و هشدار داد که هوش مصنوعی ممکن است روزی خطری قابل مقایسه با جنگ هسته‌ای یا یک بیماری همه گیر ایجاد کند.

Hassabis می‌گوید یکی از بزرگ‌ترین چالش‌ها در حال حاضر، تعیین خطرات هوش مصنوعی توانمندتر است. او می‌گوید: «من فکر می‌کنم باید تحقیقات بیشتری در این زمینه انجام شود – خیلی فوری – در مورد مواردی مانند تست‌های ارزیابی، تا مشخص شود مدل‌های جدید هوش مصنوعی چقدر قابلیت و قابل کنترل هستند. او می‌گوید برای این منظور، DeepMind ممکن است سیستم‌های خود را برای دانشمندان خارجی در دسترس‌تر کند. او می‌گوید: «خیلی دوست دارم دانشگاه‌ها به این مدل‌های مرزی دسترسی زودهنگامی داشته باشند.» احساسی که در صورت پیگیری می‌تواند به رفع نگرانی‌هایی که کارشناسان خارج از شرکت‌های بزرگ از جدیدترین تحقیقات هوش مصنوعی محروم می‌شوند کمک کند.

چقدر باید نگران بود؟ Hassabis می گوید که هیچ کس واقعاً نمی داند که هوش مصنوعی به یک خطر بزرگ تبدیل خواهد شد. اما او مطمئن است که اگر پیشرفت با سرعت فعلی خود ادامه یابد، زمان زیادی برای توسعه پادمان ها وجود نخواهد داشت. او می‌گوید: «من می‌توانم انواع چیزهایی را که در سریال Gemini می‌سازیم درست ببینم، و هیچ دلیلی نداریم که باور کنیم آنها کار نمی‌کنند.