Dirbtinio intelekto pasaulyje nedaug temų sukelia tiek daug diskusijų ir diskusijų, kaip didelių kalbų modelių (LLM), tokių kaip OpenAI GPT-4, pobūdis. Kadangi šie modeliai tampa vis sudėtingesni, kyla klausimas: ar LLM yra tikrasis AI, ar jie tiesiog gerai imituoja intelektą? Norėdami atsakyti į tai, turime įsigilinti į tai, kas yra „tikrasis“ AI, kaip veikia LLM, ir paties intelekto niuansus.
„Tikrojo“ AI apibrėžimas
Dirbtinis intelektas (DI) yra platus terminas, apimantis įvairias technologijas, skirtas atlikti užduotis, kurioms paprastai reikia žmogaus intelekto. Šios užduotys apima mokymąsi, samprotavimą, problemų sprendimą, natūralios kalbos supratimą, suvokimą ir net kūrybiškumą. DI galima suskirstyti į du pagrindinius tipus: siaurąjį AI ir bendrąjį AI.
Siauras AI: Šios sistemos yra sukurtos ir parengtos konkrečiai užduočiai atlikti. Pavyzdžiai: rekomendaciniai algoritmai, vaizdų atpažinimo sistemos ir, taip, LLM. Siauras AI gali pranokti žmones savo specifinėse srityse, tačiau trūksta bendro intelekto.
Bendras AI: Šio tipo dirbtinis intelektas, taip pat žinomas kaip Stiprus AI, turi gebėjimą suprasti, mokytis ir pritaikyti žinias atliekant įvairias užduotis, imituodamas žmogaus pažinimo gebėjimus. Bendrasis AI šiuo metu išlieka teorinis, nes jokia sistema nepasiekė tokio visapusiško intelekto lygio.
LLM mechanika
LLM, pvz., GPT-4, yra siauros AI pogrupis. Jie mokomi apie didžiulius tekstinių duomenų kiekius iš interneto, mokymosi modelius, struktūras ir kalbos reikšmes. Mokymo procesas apima milijardų parametrų koregavimą neuroniniame tinkle, kad būtų galima numatyti kitą sekos žodį, o tai leidžia modeliui sukurti nuoseklų ir kontekstui tinkamą tekstą.
Štai supaprastintas LLM darbo aprašymas:
Duomenų rinkimas: LLM mokomi apie įvairius duomenų rinkinius, kuriuose yra tekstas iš knygų, straipsnių, svetainių ir kitų rašytinių šaltinių.
Treniruotės: Naudodami tokius metodus kaip prižiūrimas mokymasis ir mokymasis sustiprinti, LLM koreguoja savo vidinius parametrus, kad sumažintų numatymo klaidas.
Išvada: Išmokę LLM gali generuoti tekstą, versti kalbas, atsakyti į klausimus ir atlikti kitas su kalba susijusias užduotis pagal mokymų metu išmoktus modelius.
Modeliavimas prieš tikrąjį intelektą
Diskusijos apie tai, ar LLM yra tikrai protingi, priklauso nuo skirtumo tarp intelekto modeliavimo ir jo turėjimo.
Intelekto modeliavimas: LLM yra neįtikėtinai įgudę imituoti į žmones panašius atsakymus. Jie sukuria tekstą, kuris atrodo apgalvotas, tinkamas kontekstui ir kartais kūrybiškas. Tačiau šis modeliavimas pagrįstas duomenų modelių atpažinimu, o ne supratimu ar samprotavimu.
Intelekto turėjimas: Tikras intelektas reiškia pasaulio supratimą, savimonę ir gebėjimą samprotauti bei pritaikyti žinias įvairiuose kontekstuose. LLM trūksta šių savybių. Jie neturi sąmonės ar supratimo; jų rezultatai yra statistinių koreliacijų, išmoktų mokymų metu, rezultatas.
Turingo testas ir ne tik
Vienas iš būdų įvertinti AI intelektą yra Alano Turingo pasiūlytas Turingo testas. Jei dirbtinis intelektas gali įsitraukti į pokalbį, kurio negalima atskirti nuo žmogaus, jis išlaiko testą. Daugelis LLM gali išlaikyti supaprastintas Turingo testo versijas, todėl kai kurie teigia, kad jie yra protingi. Tačiau kritikai pabrėžia, kad šio testo išlaikymas neprilygsta tikram supratimui ar sąmoningumui.
Praktiniai pritaikymai ir apribojimai
LLM parodė nepaprastą naudingumą įvairiose srityse, pradedant klientų aptarnavimo automatizavimu ir baigiant kūrybinio rašymo pagalba. Jie puikiai atlieka užduotis, susijusias su kalbos generavimu ir supratimu. Tačiau jie turi apribojimų:
Supratimo stoka: LLM nesupranta konteksto ar turinio. Jie negali susidaryti nuomonės ar suprasti abstrakčių sąvokų.
Šališkumas ir klaidos: jie gali išlaikyti treniruočių duomenų paklaidas ir kartais generuoti neteisingą ar beprasmišką informaciją.
Priklausomybė nuo duomenų: jų galimybės apsiriboja treniruočių duomenų apimtimi. Jie negali samprotauti toliau nei išmokti modeliai.
LLM yra reikšminga AI technologijos pažanga, demonstruojanti puikius įgūdžius imituojant į žmogų panašų teksto generavimą. Tačiau jie neturi tikrojo intelekto. Tai sudėtingi įrankiai, skirti atlikti specifines užduotis natūralios kalbos apdorojimo srityje. Skirtumas tarp intelekto modeliavimo ir jo turėjimo išlieka aiškus: LLM nėra sąmoningos būtybės, galinčios suprasti ar mąstyti žmogiškąja prasme. Vis dėlto jie yra galingi siauro AI pavyzdžiai, parodantys dabartinės AI technologijos potencialą ir ribas.
Kadangi dirbtinis intelektas ir toliau vystosi, linija tarp modeliavimo ir tikro intelekto gali dar labiau nykti. Kol kas LLM liudija apie puikius pasiekimus, įmanomus naudojant pažangius mašininio mokymosi metodus, net jei jie tik imituoja intelekto atsiradimą.