Արհեստական ինտելեկտը (AI) տարածում է աշխարհը. Այն փոխակերպում է կյանքի բոլոր ոլորտները և գործընթացում բարձրացնում հասարակության և մարդկության ապագայի էթիկական հիմնական մտահոգությունները: ChatGPT-ն, որը գերիշխում է սոցիալական մեդիայում, AI-ով աշխատող չաթ-բոտ է, որը մշակվել է OpenAI-ի կողմից: Այն մեքենայական ուսուցման ենթաբազմություն է և հիմնված է այն բանի վրա, որը կոչվում է Լեզուների խոշոր մոդելներ, որոնք կարող են առաջացնել մարդու նման արձագանքներ: Նման տեխնոլոգիայի պոտենցիալ կիրառությունն իսկապես հսկայական է, այդ իսկ պատճառով արդեն կան կոչեր՝ կարգավորելու AI-ն, ինչպիսին ChatGPT-ն է:
Կարո՞ղ է AI-ն գերազանցել մարդկանց: Արդյո՞ք դա հանրային սպառնալիքներ է ներկայացնում: Իսկապես, AI-ն կարո՞ղ է էքզիստենցիալ սպառնալիք դառնալ: Աշխարհի ականավոր լեզվաբան Նոամ Chomsky, և բոլոր ժամանակների ամենահարգված հասարակական մտավորականներից մեկը, ում մտավոր հասակը համեմատվել է Գալիլեոյի, Նյուտոնի և Դեկարտի մակարդակի հետ, լուծում է այս հուզիչ հարցերին հաջորդող հարցազրույցում:
CJ PolychroniouՈրպես գիտական դիսցիպլին, արհեստական ինտելեկտը (AI) սկիզբ է առել 1950-ականներից, սակայն վերջին մի քանի տասնամյակների ընթացքում այն ներխուժել է բոլոր ոլորտներում, այդ թվում՝ բանկային, ապահովագրության, ավտոմեքենաների արտադրության, երաժշտության և պաշտպանության ոլորտում: Փաստորեն, արհեստական ինտելեկտի տեխնիկայի օգտագործումը որոշ դեպքերում ցույց է տրվել, որ գերազանցում է մարդկային հնարավորությունները, օրինակ՝ շախմատի խաղում: Արդյո՞ք մեքենաները կարող են ավելի խելացի դառնալ, քան մարդիկ:
Նոամ ChomskyՊարզապես տերմինաբանությունը պարզաբանելու համար «մեքենա» տերմինն այստեղ նշանակում է ծրագիր, հիմնականում մի տեսություն, որը գրված է նշումով, որը կարող է իրականացվել համակարգչի կողմից, և անսովոր տեսակ տեսություն հետաքրքիր ձևերով, որոնք մենք կարող ենք մի կողմ դնել այստեղ:
Մենք կարող ենք կոպիտ տարբերակում դնել մաքուր ճարտարագիտության և գիտության միջև: Սուր սահման չկա, բայց դա օգտակար առաջին մոտարկում է: Մաքուր ինժեներությունը ձգտում է արտադրել արտադրանք, որը կարող է որոշակի օգուտ տալ: Գիտությունը ըմբռնում է փնտրում։ Եթե թեման մարդկային բանականությունն է կամ այլ օրգանիզմների ճանաչողական կարողությունները, գիտությունը ձգտում է հասկանալ այս կենսաբանական համակարգերը:
Ինչպես ես հասկանում եմ նրանց, AI-ի հիմնադիրները՝ Ալան Թյուրինգը, Հերբերտ Սայմոնը, Մարվին Մինսկին և այլք, այն համարում էին գիտություն՝ այն ժամանակ առաջացող ճանաչողական գիտությունների մաս, օգտագործելով նոր տեխնոլոգիաներ և հայտնագործություններ հաշվարկների մաթեմատիկական տեսության մեջ: նախնական ըմբռնում. Տարիների ընթացքում այդ մտահոգությունները մարել են և հիմնականում տեղահանվել են ինժեներական ուղղվածության պատճառով: Ավելի վաղ մտահոգություններն այժմ սովորաբար մերժվում են, երբեմն էլ նվաստացուցիչ կերպով, որպես GOFAI՝ լավ հնաոճ AI:
Շարունակելով հարցը՝ հնարավո՞ր է, որ մարդկային հնարավորությունները գերազանցող ծրագրեր մշակվեն։ Մենք պետք է զգույշ լինենք «կարողություններ» բառի նկատմամբ, ինչին կանդրադառնամ: Բայց եթե տերմինը վերցնենք որպես մարդկային կատարողականություն, ապա պատասխանն է՝ միանշանակ այո: Իրականում դրանք վաղուց գոյություն ունեն՝ օրինակ նոութբուքի հաշվիչը: Այն կարող է զգալիորեն գերազանցել այն, ինչ կարող են անել մարդիկ, եթե միայն ժամանակի և հիշողության սղության պատճառով: Շախմատի նման փակ համակարգերի համար 50-ականներին լավ հասկացվում էր, որ ուշ թե շուտ, հաշվողական հսկայական կարողությունների առաջընթացի և երկար նախապատրաստման պայմաններում, կարելի էր ծրագիր մշակել՝ հաղթելու գրոսմայստերին, ով խաղում է սահմանափակ հիշողության մեջ: և ժամանակ. Տարիներ անց ձեռքբերումը բավականին PR էր IBM-ի համար: Շատ կենսաբանական օրգանիզմներ գերազանցում են մարդու ճանաչողական կարողությունները շատ ավելի խորը ձևերով: Իմ բակի անապատային մրջյունները փոքր ուղեղ ունեն, բայց շատ գերազանցում են մարդկային նավիգացիոն կարողությունները, սկզբունքորեն, ոչ միայն կատարողականը: Գոյության մեծ շղթա չկա, որում մարդիկ վերևում են:
AI ճարտարագիտության արտադրանքը օգտագործվում է շատ ոլորտներում՝ լավ կամ վատ: Նույնիսկ պարզ և ծանոթ ծրագրերը կարող են բավականին օգտակար լինել. լեզվի ոլորտում այնպիսի ծրագրեր, ինչպիսիք են ավտոմատ լրացումը, կենդանի տառադարձումը, google translate-ը և այլն: Շատ ավելի մեծ հաշվողական հզորությամբ և ավելի բարդ ծրագրավորմամբ, պետք է լինեն այլ օգտակար կիրառություններ, ինչպես նաև գիտության մեջ: Արդեն եղել են մի քանիսը. Սպիտակուցների ծալման ուսումնասիրությանն աջակցելը վերջին դեպքն է, երբ զանգվածային և արագ որոնման տեխնոլոգիան օգնել է գիտնականներին հաղթահարել կարևոր և անհողդողդ խնդիրը:
Ինժեներական նախագծերը կարող են օգտակար կամ վնասակար լինել: Երկու հարցերն էլ ծագում են ինժեներական AI-ի դեպքում: Ընթացիկ աշխատանքը Large Language Models (LLMs) հետ, ներառյալ չաթ-բոտերը, ապահովում են գործիքներ ապատեղեկատվության, զրպարտության և անտեղյակներին մոլորեցնելու համար: Սպառնալիքներն ուժեղանում են, երբ դրանք զուգակցվում են արհեստական պատկերների և ձայնի կրկնօրինակման հետ: Տարբեր մտահոգություններ նկատի ունենալով, AI տասնյակ հազարավոր հետազոտողներ վերջերս անվանել զարգացման մորատորիումի համար՝ իրենց ընկալած հնարավոր վտանգների պատճառով:
Ինչպես միշտ, տեխնոլոգիայի հնարավոր օգուտները պետք է կշռվեն հնարավոր ծախսերի հետ:
Բավականին տարբեր հարցեր են առաջանում, երբ մենք դիմում ենք AI-ին և գիտությանը: Այստեղ զգուշություն է անհրաժեշտ չափազանց ու անխոհեմ պնդումների պատճառով, որոնք հաճախ ընդլայնվում են ԶԼՄ-ներում: Հարցերը պարզաբանելու համար դիտարկենք դեպքեր, որոշները հիպոթետիկ, որոշները իրական։
Ես նշեցի միջատների նավարկությունը, որը ապշեցուցիչ ձեռքբերում է։ Միջատների գիտնականները մեծ առաջընթաց են գրանցել՝ ուսումնասիրելով, թե ինչպես է դա ձեռք բերվում, թեև նեյրոֆիզիոլոգիան, որը շատ դժվար հարց է, մնում է անորոշ՝ համակարգերի էվոլյուցիայի հետ մեկտեղ: Նույնը վերաբերում է թռչունների և ծովային կրիաների զարմանահրաշ սխրանքներին, որոնք անցնում են հազարավոր մղոններ և անվրեպ վերադառնում են իրենց ծագման վայրը։
Ենթադրենք, Թոմ Ջոնսը, ինժեներական AI-ի կողմնակիցը, գալիս է և ասում. «Ձեր բոլոր աշխատանքները հերքվել են: Խնդիրը լուծված է։ Առևտրային ավիաընկերությունների օդաչուները մշտապես հասնում են նույն կամ նույնիսկ ավելի լավ արդյունքների»:
Եթե նույնիսկ անհանգստանանք պատասխանել, մենք կծիծաղեինք:
Վերցնենք պոլինեզացիների ծովային սխրագործությունների դեպքը, որոնք դեռ կենդանի են բնիկ ցեղերի մեջ, օգտագործելով աստղեր, քամին, հոսանքներն իրենց նավակներն իջեցնելու համար նախատեսված վայրում հարյուրավոր մղոն հեռավորության վրա: Սա նույնպես շատ հետազոտությունների թեմա է եղել՝ պարզելու, թե ինչպես են դա անում: Թոմ Ջոնսն ունի պատասխանը. «Դադարեցրե՛ք վատնել ձեր ժամանակը. ռազմածովային նավերը դա անում են անընդհատ»։
Նույն արձագանքը.
Այժմ անդրադառնանք իրական դեպքի՝ լեզվի յուրացմանը։ Վերջին տարիներին դա եղել է լայնածավալ և շատ լուսավոր հետազոտության թեմա, որը ցույց է տալիս, որ նորածիններն ունեն շատ հարուստ իմացություն շրջապատող լեզվի (կամ լեզուների) մասին, որը շատ ավելին է, քան նրանք ցուցադրում են կատարումը: Այն ձեռք է բերվում քիչ ապացույցներով, իսկ որոշ կարևոր դեպքերում՝ ընդհանրապես: Լավագույն դեպքում, ինչպես ցույց են տվել զգույշ վիճակագրական ուսումնասիրությունները, առկա տվյալները սակավ են, հատկապես, երբ հաշվի է առնվում դասակարգման հաճախականությունը («Zipf-ի օրենքը»):
Մուտքագրեք Թոմ Ջոնսը. «Դուք հերքվել եք: Ուշադրություն չդարձնելով ձեր հայտնագործություններին, LLM-ները, որոնք սկանավորում են աստղաբաշխական քանակությամբ տվյալներ, կարող են գտնել վիճակագրական օրինաչափություններ, որոնք հնարավորություն են տալիս մոդելավորել այն տվյալները, որոնց վրա նրանք ուսուցանում են՝ արտադրելով մի բան, որը շատ նման է նորմալ մարդկային վարքագծին: Չաթբոտներ»։
Այս դեպքը տարբերվում է մյուսներից. Նախ, դա իրական է. Երկրորդ, մարդիկ չեն ծիծաղում. իրականում շատերն են ապշած: Երրորդ, ի տարբերություն հիպոթետիկ դեպքերի, իրական արդյունքները հեռու են այն, ինչ պնդում են:
Այս նկատառումները բերում են մի փոքր խնդիր LLM-ի ներկայիս ոգևորության հետ. Բայց կան շատ ավելի լուրջ խնդիրներ, քան աբսուրդը։
Մեկն այն է, որ LLM համակարգերը նախագծված են այնպես, որ նրանք մեզ ոչինչ չեն կարող ասել լեզվի, ուսուցման կամ ճանաչողության այլ ասպեկտների մասին, սկզբունքային, անուղղելի: Կրկնապատկեք սկանավորված տվյալների տերաբայթը, ավելացրեք ևս մեկ տրիլիոն պարամետր, օգտագործեք էլ ավելի շատ Կալիֆորնիայի էներգիան, և վարքագծի մոդելավորումը կբարելավվի՝ միևնույն ժամանակ ավելի հստակ բացահայտելով որևէ հասկացողություն տալու մոտեցման սկզբունքի ձախողումը: Պատճառը տարրական է. Համակարգերը նույնքան լավ են աշխատում անհնարին լեզուների հետ, որոնք նորածինները չեն կարող սովորել, ինչպես այն լեզուների հետ, որոնք նրանք արագ և գործնականում ռեֆլեքսիվ են ձեռք բերում:
Կարծես մի կենսաբան ասեր. «Ես օրգանիզմների մասին հիանալի նոր տեսություն ունեմ։ Այն թվարկում է շատերը, որոնք գոյություն ունեն և շատերը, որոնք հնարավոր չէ գոյություն ունենալ, և ես ձեզ ոչինչ չեմ կարող ասել այդ տարբերակման մասին»:
Կրկին մենք կծիծաղեինք: Կամ պետք է:
Ոչ թե Թոմ Ջոնսը – այժմ նկատի ունի փաստացի դեպքերը: Համառելով գիտությունից իր արմատական հեռանալուն՝ Թոմ Ջոնսը պատասխանում է. Այս պահին էլ ավելի պարզ է դառնում նորմալ գիտությունից հրաժարվելը։ Փաստարկների հավասարության համաձայն՝ մենք կարող ենք դուրս մղել գենետիկան և մոլեկուլային կենսաբանությունը, էվոլյուցիայի տեսությունը և մնացած կենսաբանական գիտությունները, որոնք օրգանիզմների մի փոքր մասից ավելին չեն նմուշառել: Եվ լավ չափման համար մենք կարող ենք դուրս մղել ամբողջ ֆիզիկան: Ինչու՞ հավատալ շարժման օրենքներին: Քանի՞ առարկա է իրականում նկատվել շարժման մեջ:
Բացի այդ, կա ապացույցի փոքր բեռ: Նրանք, ովքեր առաջարկում են տեսություն, պատասխանատվություն են կրում ցույց տալու, որ այն որոշակի իմաստ ունի, այս դեպքում՝ ցույց տալու, որ այն ձախողվում է անհնարին լեզուների համար: Առաջարկը հերքելը ուրիշների պարտականությունը չէ, թեև այս դեպքում դա բավական հեշտ է թվում:
Եկեք ուշադրությունը շեղենք նորմալ գիտության վրա, որտեղ գործերը հետաքրքիր են դառնում։ Լեզվի յուրացման նույնիսկ մեկ օրինակը կարող է հարուստ պատկերացում տալ հնարավոր և անհնարին լեզուների տարբերության վերաբերյալ:
Պատճառները պարզ են և ծանոթ: Ամբողջ աճն ու զարգացումը, ներառյալ այն, ինչ կոչվում է «ուսուցում», գործընթաց է, որը սկսվում է օրգանիզմի վիճակից և այն փոխակերպում է քայլ առ քայլ դեպի հետագա փուլեր:
Լեզվի յուրացումն այդպիսի գործընթաց է։ Սկզբնական վիճակը լեզվական ունակությունների կենսաբանական օժտվածությունն է, որն ակնհայտորեն գոյություն ունի, նույնիսկ եթե դա, ինչպես ոմանք կարծում են, այլ կարողությունների որոշակի համակցություն է: Դա շատ քիչ հավանական է վաղուց հասկացված պատճառներով, բայց դա չի համապատասխանում մեր մտահոգություններին այստեղ, ուստի մենք կարող ենք դա մի կողմ դնել: Պարզ է, որ կա կենսաբանական օժտվածություն մարդկային լեզվի ունակությունների համար: Ամենամեծ ճշմարտացիությունը.
Անցումը գնում է համեմատաբար կայուն վիճակի, որը փոխվում է միայն մակերեսորեն այն կողմ՝ լեզվի իմացություն: Արտաքին տվյալները գործարկում և մասամբ ձևավորում են գործընթացը: Ուսումնասիրելով ձեռք բերված վիճակը (լեզվի իմացությունը) և արտաքին տվյալները՝ մենք կարող ենք հեռուն գնացող եզրակացություններ անել սկզբնական վիճակի, կենսաբանական օժտման մասին, որը հնարավոր է դարձնում լեզվի յուրացումը։ Եզրակացությունները սկզբնական վիճակի մասին սահմանում են տարբերակում հնարավոր և անհնար լեզուների միջև։ Տարբերությունը վերաբերում է բոլոր նրանց, ովքեր կիսում են նախնական վիճակը՝ բոլոր մարդկանց համար, որքանով հայտնի է. Թվում է, թե գոյություն ունեցող մարդկային խմբերի միջև լեզու ձեռք բերելու կարողության մեջ տարբերություն չկա:
Այս ամենը նորմալ գիտություն է, և այն հասել է բազմաթիվ արդյունքների։
Փորձը ցույց է տվել, որ կայուն վիճակն էականորեն ձեռք է բերվում շատ վաղ՝ երեքից չորս տարեկանում: Նաև լավ հաստատված է, որ լեզվի ունակությունն ունի մարդուն հատուկ հիմնական հատկություններ, հետևաբար, այն իրական տեսակի հատկություն է՝ ընդհանուր մարդկային խմբերի համար և հիմնարար ձևերով՝ յուրահատուկ մարդկային հատկանիշ:
Շատ բան բաց է թողնված այս սխեմատիկ հաշվում, հատկապես բնական օրենքի դերը աճի և զարգացման մեջ. հաշվողական համակարգի դեպքում, ինչպիսին լեզուն է, հաշվողական արդյունավետության սկզբունքները: Բայց սա է հարցի էությունը։ Նորից նորմալ գիտություն։
Կարևոր է հստակ լինել Արիստոտելի կողմից գիտելիքի տիրապետման և գիտելիքի օգտագործման միջև (ժամանակակից տերմինաբանության, իրավասության և կատարողականի) տարբերությունը: Լեզվի դեպքում ստացված կայուն վիճակը ուղեղում կոդավորված գիտելիքի տիրապետումն է։ Ներքին համակարգը որոշում է կառուցվածքային արտահայտությունների անսահմանափակ զանգված, որոնցից յուրաքանչյուրը մենք կարող ենք համարել մտքի ձևակերպում, որոնցից յուրաքանչյուրը կարող է արտաքին տեսք ունենալ որոշ զգայական շարժիչ համակարգում, որը սովորաբար հնչում է, թեև կարող է լինել նշան կամ նույնիսկ (դժվարությամբ) հպում:
Ներքին կոդավորված համակարգ մուտք է գործում գիտելիքների (կատարողական) օգտագործման միջոցով: Կատարումը ներառում է մտքի մեջ լեզվի ներքին օգտագործումը՝ արտացոլում, պլանավորում, հիշողություն և շատ ավելին: Վիճակագրորեն ասած, դա լեզվի ճնշող մեծամասնությունն է: Այն անհասանելի է ինքզննման համար, թեև մենք դրա մասին շատ բան կարող ենք սովորել գիտության սովորական մեթոդներով, «դրսից», փոխաբերական իմաստով: Այն, ինչ կոչվում է «ներքին խոսք», իրականում արտաքուստացված լեզվի դրվագներ են, որոնց հոդակապային ապարատը խլացված է: Դա միայն լեզվի ներքին օգտագործման հեռավոր արտացոլումն է, կարևոր հարցեր, որոնք ես չեմ կարող այստեղ հետամուտ լինել:
Լեզվի օգտագործման այլ ձևերն են ընկալումը (վերլուծությունը) և արտադրությունը, վերջիններս կարևորագույն նշանակություն ունեն այնպիսի հատկությունների մեջ, որոնք այսօր մեզ համար մնում են նույնքան առեղծվածային, որքան երբ Գալիլեոն և նրա ժամանակակիցները ակնածանքով ու զարմանքով էին դիտարկում ժամանակակից գիտության արշալույսին:
Գիտության հիմնական նպատակն է բացահայտել ներքին համակարգը, ինչպես իր սկզբնական վիճակում, այնպես էլ մարդու լեզվական ֆակուլտետում, և այն հատուկ ձևերով, որը նա ընդունում է ձեռքբերման ժամանակ: Որքանով որ այս ներքին համակարգը հասկանալի է, մենք կարող ենք շարունակել ուսումնասիրել, թե ինչպես է այն մտնում կատարման մեջ՝ շփվելով լեզվի օգտագործման մեջ մտնող բազմաթիվ այլ գործոնների հետ:
Կատարման տվյալները վկայում են ներքին համակարգի բնույթի մասին, հատկապես, երբ դրանք ճշգրտվում են փորձի միջոցով, ինչպես ստանդարտ դաշտային աշխատանքում: Բայց նույնիսկ տվյալների ամենազանգվածային հավաքածուն էականորեն մոլորեցնող է վճռորոշ ձևերով: Այն պահպանում է այն, ինչ սովորաբար արտադրվում է, այլ ոչ թե ուղեղում կոդավորված լեզվի իմացությունը, որը հետազոտվող հիմնական առարկան է նրանց համար, ովքեր ցանկանում են հասկանալ լեզվի էությունը և դրա օգտագործումը: Այդ ներքին օբյեկտը որոշում է այնպիսի անսահման բազմաթիվ հնարավորություններ, որոնք չեն օգտագործվի նորմալ վարքագծի մեջ՝ լեզվի հետ կապ չունեցող գործոնների պատճառով, ինչպիսիք են կարճաժամկետ հիշողության սահմանափակումները, 60 տարի առաջ ուսումնասիրված թեմաները: Դիտարկված տվյալները կներառեն նաև շատ բան, որը գտնվում է ուղեղում կոդավորված համակարգից դուրս, հաճախ լեզվի գիտակցված օգտագործումը այնպիսի ձևերով, որոնք խախտում են կանոնները հռետորական նպատակներով: Սրանք ճշմարտություններ են, որոնք հայտնի են դաշտի բոլոր աշխատողներին, ովքեր ապավինում են տեղեկատուների հետ պարզաբանման մեթոդներին, հիմնականում փորձարկումներին, որպեսզի ստեղծեն զտված կորպուս, որը բացառում է անտեղի սահմանափակումները և շեղված արտահայտությունները: Նույնը ճիշտ է, երբ լեզվաբաններն իրենց օգտագործում են որպես տեղեկատուներ, միանգամայն խելամիտ և նորմալ ընթացակարգ, որը տարածված է մինչ այժմ հոգեբանության պատմության մեջ:
Շարունակելով նորմալ գիտությունը՝ մենք գտնում ենք, որ լեզվի ներքին գործընթացներն ու տարրերը հնարավոր չէ հայտնաբերել դիտարկվող երևույթների ստուգմամբ: Հաճախ այդ տարրերը նույնիսկ խոսքում (կամ գրավոր) չեն հայտնվում, թեև դրանց ազդեցությունը, հաճախ նուրբ, կարելի է հայտնաբերել: Սա ևս մեկ պատճառ է, թե ինչու դիտարկվող երևույթների սահմանափակումը, ինչպես LLM մոտեցումներում, կտրուկ սահմանափակում է ներքին գործընթացների ըմբռնումը, որոնք լեզվի բնույթի, դրա յուրացման և օգտագործման հիմնական առարկան են: Բայց դա տեղին չէ, եթե գիտության և ըմբռնման մտահոգությունը լքված է այլ նպատակների օգտին:
Ավելի ընդհանուր գիտություններում, հազարամյակներ շարունակ, եզրակացությունների են հանգել փորձերը, հաճախ մտքի փորձերը, որոնցից յուրաքանչյուրը արմատական աբստրակցիա է երևույթներից: Փորձերը հիմնված են տեսության վրա՝ ձգտելով վերացնել անհամար անհամապատասխան գործոնները, որոնք մտնում են դիտարկվող երևույթների մեջ, օրինակ՝ լեզվական կատարումը: Այս ամենն այնքան տարրական է, որ հազվադեպ է նույնիսկ քննարկվում: Եվ ծանոթ. Ինչպես նշվեց, հիմնական տարբերությունը վերաբերում է Արիստոտելի տարբերակմանը գիտելիքի տիրապետման և գիտելիքի օգտագործման միջև: Առաջինը ուսումնասիրության կենտրոնական օբյեկտն է: Երկրորդական (և բավականին լուրջ) ուսումնասիրությունները ուսումնասիրում են, թե ինչպես է ներքուստ պահպանված գիտելիքների համակարգը օգտագործվում կատարման մեջ՝ բազմաթիվ ոչ լեզվական գործոնների հետ մեկտեղ, քան ուղղակիորեն դիտարկվողի մեջ:
Մենք կարող ենք նաև հիշել էվոլյուցիոն կենսաբան Թեոդոսիուս Դոբժանսկու դիտարկումը, որը հայտնի է հիմնականում Դրոսոֆիլայի հետ իր աշխատանքով. Եթե մենք շահագրգռված լինենք հասկանալու, թե ինչպիսի արարածներ ենք մենք՝ հետևելով Դելփյան Օրակլի 2,500 տարի առաջ հրամանին, մենք առաջին հերթին կզբաղվենք նրանով, թե ինչն է մարդկանց դարձնում ամենաեզակիը, հիմնականում լեզուն և միտքը, որոնք սերտորեն փոխկապակցված են, ինչպես հայտնի է հարուստ ավանդույթներ, որոնք գալիս են դասական Հունաստանից և Հնդկաստանից: Վարքագծի մեծ մասը բավականին սովորական է, հետևաբար որոշ չափով կանխատեսելի է: Այն, ինչ իրական պատկերացում է տալիս մեզ յուրահատուկ դարձնելու մասին, այն է, ինչը սովորական չէ, ինչը մենք գտնում ենք երբեմն փորձերի, երբեմն դիտարկման միջոցով՝ նորմալ երեխաներից մինչև մեծ արվեստագետներ և գիտնականներ:
Մեկ վերջնական մեկնաբանություն այս կապակցությամբ. Հասարակությունը մեկ դար տանջվել է հսկայական կորպորատիվ արշավներով՝ խրախուսելու գիտության հանդեպ արհամարհանքը, թեմաներ, որոնք լավ ուսումնասիրել է Նաոմի Օրեսկեսը, ի թիվս այլոց: Այն սկսվեց կորպորացիաներից, որոնց արտադրանքը մարդասպան է. կապար, ծխախոտ, ասբեստ, հետագայում հանածո վառելիք: Նրանց շարժառիթները հասկանալի են. Կապիտալիստական հասարակության մեջ բիզնեսի նպատակը շահույթն է, ոչ թե մարդկային բարեկեցությունը: Դա ինստիտուցիոնալ փաստ է. մի խաղա խաղը, և դու դուրս ես, փոխարինվելով մեկով, ով դա կանի:
Կորպորատիվ հասարակայնության հետ կապերի բաժինները շատ վաղ հասկացան, որ սխալ կլիներ հերքել իրենց արտադրանքի մահացու ազդեցության մասին գիտական աճող ապացույցները: Դա հեշտությամբ կհերքվի։ Ավելի լավ է կասկած սերմանել, խրախուսել անորոշությունը, արհամարհանքը այս սրածայր կոստյումների նկատմամբ, ովքեր երբեք տուն չեն ներկել, բայց իջել են Վաշինգտոնից՝ ասելու, որ կապարե ներկ չօգտագործեմ՝ ոչնչացնելով իմ բիզնեսը (իսկական դեպք, հեշտ բազմապատկվող): Դա շատ լավ է աշխատել: Հենց հիմա այն մեզ տանում է երկրի վրա կազմակերպված մարդկային կյանքի ոչնչացման ճանապարհով:
Ինտելեկտուալ շրջանակներում նմանատիպ ազդեցություններ են թողել գիտության հետմոդեռն քննադատությունը, ապամոնտաժվել է Ժան Բրիկմոնտի և Ալան Սոկալի կողմից, սակայն որոշ շրջանակներում դեռ շատ կենդանի է:
Հարցն առաջարկելը կարող է անբարյացակամ լինել, բայց, կարծում եմ, արդարացի է հարցնել, թե արդյոք Թոմ Ջոնսները և նրանք, ովքեր անքննադատորեն կրկնում և նույնիսկ ուժեղացնում են իրենց անզգույշ հայտարարությունները, նպաստում են նույն չարաճճի միտումներին:
ՓԴChatGPT-ը բնական լեզվով աշխատող չաթ-բոտ է, որն օգտագործում է արհեստական ինտելեկտը՝ թույլ տալու մարդու նման խոսակցություններ: Վերջերս հրապարակված հոդվածում The New York TimesԵրկու այլ հեղինակների հետ միասին դուք փակում եք նոր չաթ-բոտերը որպես հիպ, քանի որ դրանք պարզապես չեն կարող համապատասխանել մարդկանց լեզվական իրավասությանը: Մի՞թե հնարավոր չէ, որ արհեստական ինտելեկտի ապագա նորամուծությունները կարող են արտադրել ինժեներական նախագծեր, որոնք կհամապատասխանեն և գուցե նույնիսկ գերազանցեն մարդկային հնարավորությունները:
NCՀոդվածի հեղինակը պետք է տրվի իրական հեղինակին՝ Ջեֆրի Վաթումուլին, հիանալի մաթեմատիկոս-լեզվաբան-փիլիսոփա: Թվարկված երկու համահեղինակները խորհրդատուներ էին, որոնք համաձայն են հոդվածի հետ, բայց չեն գրել այն:
Ճիշտ է, չաթ-բոտերը սկզբունքորեն չեն կարող համապատասխանել մարդկանց լեզվական իրավասությանը, վերը կրկնված պատճառներով: Նրանց հիմնական ձևավորումը թույլ չի տալիս հասնել մարդկային լեզվի տեսության համապատասխանության նվազագույն պայմանին. տարբերակել հնարավորը անհնարին լեզուներից: Քանի որ դա դիզայնի սեփականությունն է, այն հնարավոր չէ հաղթահարել այս տեսակի AI-ի ապագա նորամուծություններով: Այնուամենայնիվ, միանգամայն հնարավոր է, որ ապագա ինժեներական նախագծերը համընկնեն և նույնիսկ գերազանցեն մարդկային հնարավորությունները, եթե նկատի ունենանք մարդկային գործելու կարողությունը, կատարումը: Ինչպես նշվեց վերևում, ոմանք վաղուց են դա արել. օրինակ՝ ավտոմատ հաշվիչներ: Ավելի հետաքրքիր է, որ ինչպես նշվեց, մանր ուղեղով միջատները գերազանցում են մարդկային կարողությունները, որոնք հասկացվում են որպես իրավասություն:
ՓԴՎերոհիշյալ հոդվածում նկատվեց նաև, որ այսօրվա AI նախագծերը չունեն մարդկային բարոյական ունակություն։ Արդյո՞ք այս ակնհայտ փաստը AI ռոբոտներին ավելի քիչ վտանգ չի ներկայացնում մարդկային ցեղի համար: Ես կարծում եմ, որ փաստարկը կարող է լինել այն, որ դա նրանց ավելի է դարձնում:
NCԴա իսկապես ակնհայտ փաստ է՝ «բարոյական ունակությունները» լայնորեն հասկանալով: Եթե ուշադիր չվերահսկվի, AI ճարտարագիտությունը կարող է լուրջ վտանգներ ներկայացնել: Ենթադրենք, օրինակ, որ հիվանդների խնամքը ավտոմատացված էր։ Անխուսափելի սխալները, որոնք կհաղթահարվեն մարդկային դատողությամբ, կարող են սարսափ պատմություն առաջացնել: Կամ ենթադրենք, որ մարդիկ հեռացվել են հակահրթիռային պաշտպանության ավտոմատ համակարգերով որոշված սպառնալիքների գնահատումից։ Որպես ցնցող պատմական արձանագրություն տեղեկացնում է մեզ, դա կլինի մարդկային քաղաքակրթության վերջը:
Եթե ուշադիր չվերահսկվի, AI ճարտարագիտությունը կարող է լուրջ վտանգներ ներկայացնել:
ՓԴԿարգավորողներն ու իրավապահ մարմինները Եվրոպայում մտահոգություն են հայտնում ChatGPT-ի տարածման վերաբերյալ, մինչդեռ վերջերս ներկայացված Եվրոպական միության օրենսդրությունը փորձում է զբաղվել արհեստական ինտելեկտի հետ՝ դասակարգելով նման գործիքները՝ ըստ ռիսկի ընկալման մակարդակի: Համաձա՞յն եք նրանց հետ, ովքեր մտահոգված են, որ ChatGPT-ն լուրջ հանրային վտանգ է ներկայացնում: Ավելին, իսկապե՞ս կարծում եք, որ արհեստական ինտելեկտի գործիքների հետագա զարգացումը կարող է կասեցվել, քանի դեռ չեն կարող ներդրվել երաշխիքներ:
NCԵս հեշտությամբ կարող եմ համակրել այն ջանքերին, որոնք փորձում են վերահսկել առաջադեմ տեխնոլոգիաների կողմից բխող սպառնալիքները, ներառյալ այս դեպքը: Ես, սակայն, թերահավատորեն եմ վերաբերվում դա անելու հնարավորությանը: Ես կասկածում եմ, որ ջինը շշից դուրս է եկել։ Չարամիտ դերակատարները՝ ինստիտուցիոնալ կամ անհատ, հավանաբար կարող են միջոցներ գտնել՝ խուսափելու երաշխիքներից: Նման կասկածները, իհարկե, պատճառ չեն չփորձելու և զգոնություն ցուցաբերելու համար:
ZNetwork-ը ֆինանսավորվում է բացառապես իր ընթերցողների առատաձեռնության շնորհիվ:
նվիրաբերել