ხელოვნური ინტელექტის მდგომარეობის შესახებ მოხსენების დაწერა ქვიშით სახლის აშენებას ჰგავს: იმ დროისთვის, როდესაც გამოქვეყნებას დააჭერთ, მთელი ინდუსტრია თქვენს თვალწინ შეიცვლება. თუმცა, სტენფორდის 386 გვერდიან მოხსენებაში იმ მნიშვნელოვან მიღწევებსა და ტენდენციებსაც შევხვდებით, რომლებიც დღესაც აქტუალურია.
ხელოვნური ინტელექტის მდგომარეობის შესახებ მოხსენების დაწერა ქვიშით სახლის აშენებას ჰგავს: იმ დროისთვის, როდესაც გამოქვეყნებას დააჭერთ, მთელი ინდუსტრია თქვენს თვალწინ შეიცვლება. თუმცა, სტენფორდის 386 გვერდიან მოხსენებაში იმ მნიშვნელოვან მიღწევებსა და ტენდენციებსაც შევხვდებით, რომლებიც დღესაც აქტუალურია.
AI Index, ადამიანზე ორიენტირებული ხელოვნური ინტელექტის ინსტიტუტი, აკადემიურ და კერძო ინდუსტრიის ექსპერტებთან ერთად ამ საკითხზე ინფორმაციასა და პროგნოზებს აგროვებდა. ეს შეიძლება AI-ზე უახლესი მოსაზრება არ იყოს. თუმცა, სფეროს განვითარებისთვისა და უფრო მეტი ადამიანის გათვითცნობიერებისთვის, ცალსახად, მნიშვნელოვანია.
წლევანდელი მოხსენება მოდელების შესახებ ანალიზს, მათ შორის მათი გეოპოლიტიკისა და ტრენინგის ხარჯებს, AI სისტემების გარემოზე ზემოქმედებას, K-12 AI განათლებასა და ხელოვნურ ინტელექტთან დაკავშირებით საზოგადოებრივი აზრის ტენდენციებს მოიცავს.
მოდით მოხსენებიდან მნიშვნელოვანი საკითხები ამოვიღოთ:
მიკერძოება და ტოქსიკურობა ძნელია შემცირდეს, მაგრამ ფაქტი ერთია, «გაუფილტრავი» მოდელები ძალიან დიდ პრობლემას ქმნიან. ინსტრუქციის tuning, რაც დამატებითი მოსამზადებელი ფენის დამატებას ნიშნავს, ამ პრობლემას ნაწილობრივ მოაგვარებს, თუმცა მოდელები სრულყოფილებისგან მაინც შორს იქნებიან.
«AI ინციდენტების» ზრდა ამ დიაგრამაზე საუკეთესოდ არის აღწერილი:
როგორც ხედავთ, ტენდენცია აღმავალია და ეს რიცხვი ChatGPT-ისა და სხვა დიდი ენობრივი მოდელების გამოსვლის შემდეგ გაიზარდა. შეგიძლიათ დარწმუნებულნი იყოთ, რომ 26-ჯერ ზრდა მხოლოდ დასაწყისია.
სხვათაშორის, მოდელების სამართლიანობისა და მიუკერძოებულობის გზაზე დაყენებამ, თავიდან შესაძლოა მცირე ქაოსი გამოიწვიოს:
მოხსენებაში აღნიშნულია, რომ ენის მოდელები, რომლებიც გარკვეულ სამართლიანობის კრიტერიუმებს იცავენ, როგორც წესი ბევრად მიკერძოებულები არიან. რატომ? ძნელი სათქმელია, მაგრამ ფაქტია, რომ ოპტიმიზაცია არც ისე მარტივია, როგორც ჩანს. ამ დიდი მოდელების გასაუმჯობესებლად მარტივი გამოსავალი არ არსებობს, ნაწილობრივ იმიტომ, სრულყოფილად არ გვესმის, როგორ მუშაობენ ისინი.
ფაქტების შემოწმება ერთ-ერთი ის დომენია, რომელიც AI-ისთვის ბუნებრივად ჟღერს: ინტერნეტის დიდი ნაწილის ინდექსირების შემდეგ, მას შეუძლია განცხადებები შეაფასოს და ნდობა დააბრუნოს. AI რეალურად ფაქტებს ძალიან ცუდად აფასებს — რისკი არის არა ის, რომ ხელოვნური ინტელექტი არასანდო შემმოწმებელი იქნება, არამედ ის, რომ დამაჯერებელი დეზინფორმაციის ძლიერი წყარო თავად გახდება.
ამ პრობლემებს, ცხადია, ინდუსტრიის შემოქმედნიც ხედავენ და ცდილობენ ამაზე მეტი ისაუბრონ. ACM-ის კონფერენციაზე სამართლიანობის, ანგარიშვალდებულებისა და გამჭვირვალობის შესახებ წარდგენები, საგრძნობლად გაიზარდა. ხოლო NeurIPS-ში ისეთი საკითხები, როგორიცაა სამართლიანობა, კონფიდენციალურობა და ინტერპრეტაცია, უფრო მეტ ყურადღებას იპყრობს.
AI Index-ის გუნდმა შესანიშნავად იმუშავა. მთლიანი მოხსენების წაკითხვა ხელოვნური ინტელექტის კიდევ უფრო შეცნობაში დაგეხმარებათ, ნებისმიერ თემას ჩაუღრმავდებით, რომელიც თქვენში ინტერესს აღძრავს.
