Malaysian Buzz

(SeaPRwire) –   Pada tahun 1960, Herbert Simon, yang kemudiannya memenangi Hadiah Nobel dalam bidang ekonomi dan Hadiah Turing untuk sains komputer, dalam bukunya bertajuk The New Science of Management Decision bahawa “mesin akan mampu, dalam masa 20 tahun, melakukan sebarang kerja yang boleh dilakukan oleh manusia.”

Sejarah dipenuhi ramalan teknologi yang bersemangat tetapi gagal untuk direalisasikan. Dalam bidang kecerdasan buatan, ramalan paling berani mengenai kedatangan sistem yang mampu melaksanakan sebarang tugas manusia, kerap dirujuk sebagai kecerdasan umum buatan, atau AGI.

Jadi apabila Shane Legg, pengasas bersama dan ketua saintis AGI DeepMind Google, meramalkan bahawa terdapat peluang 50% bahawa AGI akan dibangunkan menjelang 2028, ia mungkin menggoda untuk menulisnya sebagai pemimpin AI lain yang tidak belajar daripada sejarah.

Walau bagaimanapun, AI memang maju dengan pesat. GPT-3.5, model bahasa yang menyokong ChatGPT OpenAI dibangunkan pada 2022, dan mencapai 213 daripada 400 dalam Ujian Peguam Beruniform, ujian berstandar yang bakal peguam mesti lulus, menempatkannya dalam 10% terendah penguji manusia. GPT-4, dibangunkan hanya beberapa bulan kemudian, mencapai 298, menempatkannya dalam 10% teratas. Ramai pakar menjangkakan kemajuan ini akan berterusan.

Pendapat Legg adalah biasa di kalangan kepimpinan syarikat yang sedang membina sistem AI paling kuat. Pada Ogos, , pengasas dan CEO Anthropic, meramalkan “kecerdasan tahap manusia” boleh dibangunkan dalam tempoh dua hingga tiga tahun. Sam Altman, CEO OpenAI, meramalkan AGI mungkin dicapai pada masa empat atau lima tahun akan datang.

Tetapi dalam tinjauan terbaru, majoriti 1,712 pakar AI yang menjawab soalan bila mereka fikir AI akan mampu melaksanakan setiap tugas lebih baik dan lebih murah daripada pekerja manusia adalah kurang bersemangat. Satu tinjauan berasingan terhadap para peramal elit dengan rekod prestasi luar biasa menunjukkan mereka lebih kurang bersemangat lagi.

Taruhannya untuk menebak siapa yang betul adalah tinggi. Seperti banyak pakar AI lain, Legg telah meramalkan bahawa sistem AI masa depan yang kuat boleh menyebabkan kepupusan manusia. Dan walaupun bagi mereka yang kurang bimbang dengan skenario , sesetengah memperingatkan bahawa sistem AI yang boleh menggantikan manusia dalam sebarang tugas mungkin menimbulkan masalah.

Hipotesis skala

Ramai daripada mereka yang bekerja di syarikat yang sedang membina model AI terbesar dan paling kuat percaya bahawa kedatangan AGI adalah dekat. Mereka mempercayai teori dikenali sebagai hipotesis skala: idea bahawa walaupun beberapa kemajuan teknikal tambahan diperlukan sepanjang jalan, terus melatih model AI menggunakan jumlah tenaga pengkomputeran dan data yang semakin besar secara tidak dapat dielakkan akan membawa kepada AGI.

Terdapat beberapa bukti untuk menyokong teori ini. Para penyelidik telah mengamati hubungan yang sangat rapi dan boleh diramalkan antara berapa banyak tenaga pengkomputeran, juga dikenali sebagai “komput”, yang digunakan untuk melatih model AI dan seberapa baik ia melaksanakan tugas tertentu. Dalam kes model bahasa besar (LLM) – sistem AI yang menyokong bot percakapan seperti ChatGPT – undang-undang skala meramalkan seberapa baik model boleh meramalkan perkataan yang hilang dalam ayat.

Bahkan sebelum undang-undang skala diperhatikan, para penyelidik telah lama memahami bahawa melatih sistem AI menggunakan lebih komput membuatnya lebih berupaya. Jumlah komput yang digunakan untuk melatih model AI telah meningkat dengan agak meramalkan selama 70 tahun kerana kos menurun.

Ramalan awal berdasarkan pertumbuhan komput yang dijangka telah digunakan oleh pakar untuk meramalkan bila AI mungkin sepadan (dan kemudian mungkin melampaui) manusia. Pada tahun 1997, ahli sains komputer Hans Moravec meramalkan bahawa perkakasan murah yang tersedia akan sepadan dengan kuasa pemprosesan otak manusia pada tahun 2020-an. Cip semikonduktor Nvidia A100, yang banyak digunakan untuk melatih AI, kini kos sekitar AS$10,000 dan boleh melaksanakan kira-kira 20 trilion FLOPS, dan cip yang dibangunkan kemudian dalam dekad ini akan mempunyai prestasi yang lebih tinggi lagi. Walau bagaimanapun, anggaran untuk jumlah komput yang digunakan oleh otak manusia berbeza-beza secara meluas dari sekitar operasi titik terapung (FLOPS) hingga lebih daripada FLOPS, yang menjadikannya sukar untuk menilai ramalan Moravec.

Lebih baru-baru ini, penyelidik bukan untung Epoch telah membuat . Sebaliknya daripada menganggarkan bila model AI akan dilatih dengan jumlah komput serupa dengan otak manusia, pendekatan Epoch menggunakan secara terus undang-undang skala dan membuat anggapan ringkas: Jika model AI dilatih dengan jumlah komput tertentu boleh menghasilkan semula bahagian teks tertentu dengan setia – berdasarkan sama ada undang-undang skala meramalkan model itu boleh meramalkan perkataan seterusnya hampir tanpa kesilapan – maka ia boleh melaksanakan kerja menghasilkan teks itu. Contohnya, sistem AI yang boleh menghasilkan semula buku dengan sempurna boleh menggantikan penulis, dan sistem AI yang boleh menghasilkan semula kertas saintifik tanpa kesilapan boleh menggantikan saintis.

Beberapa akan mendakwa bahawa hanya kerana sistem AI boleh menghasilkan output seperti manusia, ia tidak semestinya bererti mereka akan berfikir seperti manusia. Selepas semua, Russell Crowe memainkan watak ahli matematik pemenang Hadiah Nobel John Nash dalam filem 2001, A Beautiful Mind, tetapi tiada yang akan mendakwa bahawa semakin baik persembahannya, semakin hebat kemahiran matematiknya mesti menjadi. Para penyelidik di Epoch membalas bahawa analogi ini berasaskan pemahaman yang silap tentang bagaimana model bahasa bekerja. Apabila mereka berskala, LLMs memperoleh keupayaan untuk berfikir seperti manusia, bukan hanya meniru tingkah laku manusia secara permukaan. Walau bagaimanapun, beberapa penyelidik menegaskan bahawa tidak jelas sama ada model AI semasa sebenarnya berfikir.

Pendekatan Epoch adalah satu cara untuk memodelkan hipotesis skala secara kuantitatif, kata Tamay Besiroglu, pengarah penyelidikan di Epoch, yang mencatatkan para penyelidik di Epoch cenderung berfikir bahawa AI akan maju kurang pantas daripada model itu mencadangkan. Model itu menganggarkan peluang 10% AI transformasi – ditakrifkan sebagai “AI yang jika diterapkan secara meluas, akan mencetuskan perubahan yang setanding dengan revolusi perindustrian” – akan dibangunkan menjelang 2025, dan peluang 50% akan dibangunkan menjelang 2033. Perbezaan antara ramalan model dan mereka seperti Legg kemungkinan besar berpunca daripada AI transformasi lebih sukar dicapai berbanding AGI, kata Besiroglu.

Mengundi para pakar

Walaupun banyak dalam kedudukan kepimpinan syarikat AI terkemuka percaya bahawa laluan semasa kemajuan AI akan segera menghasilkan AGI, mereka merupakan minoriti. Dalam usaha untuk lebih sistematik menilai apa yang dipercayai pakar mengenai masa depan kecerdasan buatan, AI Impacts, projek keselamatan AI bukan untung di Institut Penyelidikan Kecerdasan Mesin, tinjauan 2,778 pakar pada musim gugur 2023, semuanya telah menerbitkan penyelidikan tersemak rakan sebaya di jurnal dan persidangan AI terkemuka dalam tahun lepas.

Antara lain, pakar diminta bila mereka fikir “kecerdasan mesin tinggi”, ditakrifkan sebagai mesin yang boleh “melaksanakan setiap tugas lebih baik dan lebih murah daripada pekerja manusia” tanpa bantuan, akan menjadi mungkin. Walaupun ramalan individu berbeza-beza dengan ketara, purata ramalan mencadangkan peluang 50% ini akan berlaku menjelang 2047, dan peluang 10% menjelang 2027.

Seperti kebanyakan orang, para pakar kelihatan terkejut dengan kemajuan AI tahun lepas dan telah mengemaskini ramalan mereka. Apabila AI Impacts menjalankan tinjauan yang sama pada 2022, para penyelidik menganggarkan peluang 50% kecerdasan mesin tinggi tiba menjelang 2060, dan peluang 10% menjelang 2029.

Para penyelidik juga diminta bila mereka fikir pelbagai tugas individu boleh dilaksanakan oleh mesin. Mereka menganggarkan peluang 50% bahawa AI boleh menghasilkan lagu Top 40 menjelang 2028 dan menulis buku yang akan mencapai senarai terlaris New York Times menjelang 2029.

Para peramal hebat lebih berhati-hati

Walau bagaimanapun, terdapat banyak bukti untuk mencadangkan bahawa pakar tidak membuat ramalan yang baik.