OpenAI zajmują się sztuczną inteligencją. Ich celem jest stałe ulepszanie sztucznej inteligencji, poszukując sposobów na osiągnięcie poziomu myślenia zbliżonego do ludzkiego. Nowa technika, Meta-learning for Compositionality (MLC), rzuca wyzwanie dekadom wątpliwości dotyczących zdolności sztucznych sieci neuronowych. MLC wykorzystuje trening epizodyczny, który ulepsza zdolność uogólniania i dedukcji. Co w imponujący sposób skutkuje osiąganiem wyników na poziomie lub nawet przewyższającym ludzką wydajność.
Słowniczek: sztuczna inteligencja, OpenAI, chatGPT
Sztuczna inteligencja (AI) to zestaw algorytmów i modeli matematycznych, które pracują na zasadzie podobnej do ludzkiego mózgu. Analogicznie do rozwoju ludzkiego mózgu pod wpływem bodźców, AI jest coraz bardziej efektywna dzięki ogromnej ilości danych, jakie codziennie przetwarza. Jej wydajność zależy od mocy obliczeniowej, podobnie jak wydajność ludzkiego mózgu.
OpenAI to organizacja badawcza i firmowa zajmująca się sztuczną inteligencją (AI). Została założona w grudniu 2015 roku w San Francisco. Głównym celem OpenAI jest rozwijanie zaawansowanych technologii AI, aby były dostępne publicznie i służyły dobrobytowi ludzkości. Organizacja ta zdobyła rozgłos dzięki projektom takim jak GPT (Generative Pre-trained Transformer), które są zaawansowanymi modelami językowymi. GPT są zdolne do generowania wysokiej jakości tekstu.
Jednym z najnowszych modeli jest GPT-4, który ma ogromne możliwości w rozumieniu i generowaniu ludzkich podobnych tekstów. Natomiast bezpłatnym modelem jest starsza wersja – chatGPT-3.5. Działanie tego oprogramowania opiera się na przeszukiwaniu rozległych baz danych, by znaleźć informacje i udzielić odpowiedzi na postawione pytania. ChatGPT wykazuje zdolność do czytania ze zrozumieniem, co oznacza, że jest w stanie zinterpretować treści i reagować w sposób zbliżony do ludzkiego stylu mowy. Co więcej, priorytetem OpenAI dopilnowanie, aby chatGPT nie stanowił zagrożenia dla ludzi.
Technologiczna rewolucja może przewyższyć osiągniecia OpenAI
Naukowcy z Uniwersytetu Nowojorskiego i hiszpańskiego Uniwersytetu Pompeu Fabra opracowali technikę MLC. Zwiększa ona możliwości narzędzi, takich jak ChatGPT, w zakresie uogólnień i wnioskowania dedukcyjnego, tak jak to robią ludzie.
Ludzie mają zdolność do rozumienia i tworzenia nowych kombinacji ze znanych słów. Niestety do tej pory sztucznym sieciom neuronowym brakowało tych zdolności, dlatego dużo im brakowało do „prowadzenia naturalnych rozmów”.
Wprowadzenie MLC (Meta-learning for Compositionality) to kamień milowy w dążeniu do osiągnięcia przez sztuczną inteligencję umiejętności mylenia zbliżonego do ludzkiego. Sceptycyzm związany z tym zagadnieniem trwał przez dziesięciolecia, ale nowa technologia oferuje obiecujące rezultaty.
Na czym to polega?
MLC opiera się na treningu epizodycznym, podczas którego sztuczna sieć neuronowa jest systematycznie aktualizowana, poprawiając swoje umiejętności w kolejnych epizodach. W ramach każdego epizodu MLC otrzymuje nowe słowo i jest zobowiązana użyć go zgodnie z nowymi uwarunkowaniami.
Przykładowo, dostając słowo „przeskakiwać”, sieć tworzy nowe kombinacje słów, takie jak „dwukrotnie przeskoczyć”. Aż do zrozumienia stwierdzenia „dwukrotnie omijać pachołek”. Każdy epizod skupia się na innej jednostce leksykalnej, co systematycznie rozwija zdolności kompozycyjne AI.
Wyniki i perspektywy
Podczas eksperymentów, MLC i grupa ludzi mieli za zadanie używać słów w różnych okolicznościach. MLC osiągnął wyniki porównywalne z ludzkimi uczestnikami. Co więcej, w niektórych przypadkach nawet je przewyższył.
Ponadto dostali dodatkowe zadanie, gdzie, zamiast uczyć się znaczenia rzeczywistych słów, które ludzie już znają – musieli także poznać semantykę terminów bez znaczenia (np. „dax”) zgodnie z definicją badaczy. A także wiedzieć, jak je zastosować w różnym kontekście.
Program MLC radził sobie równie dobrze, jak uczestnicy badania – a w niektórych przypadkach lepiej niż człowiek. Zarówno MLC, jak i ludzie osiągnęli lepsze wyniki od ChatGPT-4, który wykazywał trudności w tym zadaniu.
Prawdopodobnie specjalistyczny trening może być kluczem do osiągnięcia przez AI ludzkich zdolności uogólniania, czyli dokonywania szybkich uproszczeń. To otwiera nowe horyzonty dla sztucznej inteligencji.
Podsumowanie
Meta-learning for Compositionality (MLC) to przełomowa technika, która burzy tradycyjne poglądy na temat możliwości sztucznych sieci neuronowych. Jej skoncentrowany trening epizodyczny otwiera nowe możliwości dla organizacji takich jak OpenAI w ulepszaniu swoich modeli (jak ChatGPT), sugerując, że specjalistyczne szkolenie może być kluczem do osiągnięcia bardziej zaawansowanych umiejętności generalizacji i dedukcji. W świecie sztucznej inteligencji MLC z pewnością będzie tematem intensywnych badań w celu dalszego udoskonalenia zdolności myślenia AI. Inne badania z wykorzystaniem sztucznej inteligencji opisywaliśmy tutaj.
