Развитие искусственного интеллекта может пойти по нескольким направлениям одновременно. Среди них увеличение мощности моделей, объединение ИИ-агентов и способность систем самостоятельно совершенствовать себя. Подробнее – на El.kz.
Интеллектуальный труд станет дешевле
Исследователь Google DeepMind Тим Геневейн опубликовал эссе о том, каким может быть следующий этап развития искусственного интеллекта после появления AGI. Речь идёт о переходе к искусственному сверхразуму, который сможет превосходить крупные коллективы специалистов при решении сложных научных и технических задач.
Одним из главных факторов такого перехода автор считает резкое снижение стоимости интеллектуального труда. За последнее десятилетие вычислительные ресурсы, доступные для развития ИИ, росли примерно в десять раз ежегодно. Этому способствовали новые процессоры, совершенствование алгоритмов и увеличение инвестиций в оборудование.
По оценкам автора, если нынешние темпы сохранятся, стоимость решения задачи, для которой сегодня требуется вычислений на миллиард долларов, через десятилетие может снизиться до тысячи долларов. Одновременно появится возможность запускать огромное количество ИИ-агентов, способных выполнять интеллектуальную работу на сопоставимом уровне.
Четыре пути к сверхразуму
Первый вариант предполагает дальнейшее увеличение мощности существующих моделей. Разработчики будут использовать больше вычислительных ресурсов, расширять обучающие наборы данных и увеличивать объём вычислений при обработке запросов. Подобный подход уже помогает улучшать ИИ, хотя его развитие ограничивают нехватка качественных данных, дорогая инфраструктура и постепенное снижение отдачи от увеличения моделей.
Второй путь связан с созданием принципиально новых архитектур искусственного интеллекта. Современные языковые модели преимущественно обучаются на больших массивах информации, предсказывая следующий элемент текста или другой последовательности. У такого подхода остаются ограничения в непрерывном обучении, понимании окружающего мира и самостоятельном формировании новых понятий. Исследователи пока не определились, удастся ли устранить эти проблемы с помощью существующих технологий.
Третье направление предполагает объединение множества ИИ-агентов в единую систему. Они смогут распределять между собой задачи, обмениваться результатами и совместно решать проблемы, которые слишком сложны для отдельной модели. Первые эксперименты показывают, что такой подход способен повышать эффективность работы, хотя при увеличении числа участников возникают трудности с координацией и проверкой полученных результатов.
Четвёртый вариант предполагает рекурсивное самоулучшение. В этом случае искусственный интеллект сможет самостоятельно изменять собственный программный код, совершенствовать архитектуру моделей и разрабатывать более эффективные алгоритмы обучения. Похожий принцип уже использовался в AlphaZero, которая достигла сверхчеловеческого уровня в шахматах и других настольных играх благодаря обучению на собственном опыте.
Почему развитие может ускориться
Все четыре направления могут развиваться параллельно и дополнять друг друга. Например, более мощные модели смогут эффективнее координировать работу ИИ-агентов, а результаты их совместной деятельности помогут совершенствовать следующие поколения систем.
При этом самоулучшение искусственного интеллекта имеет свои ограничения. Каждое последующее усовершенствование может требовать всё больше ресурсов, а ошибки при оценке результатов способны замедлить развитие или привести к ухудшению характеристик системы.
Геневейн считает, что исследователям уже сейчас необходимо разрабатывать способы измерения прогресса на пути к сверхразуму. Особенно перспективными могут оказаться задачи с результатами, которые можно проверить автоматически, например математические доказательства.
El.kz также писал о том, что ИИ-агенты за одну ночь обнаружили возможное поселение майя.