İlk süni superintellekt öyrənmə qabiliyyətinə görə insanı geridə qoyacaq

     OpenAI və Google DeepMind kimi nəhənglər süni intellekt modellərini və hesablama gücünü genişləndirməyə üstünlük verdikləri bir vaxtda, Thinking Machines Lab tədqiqatçısı Rafael Rafailov superintellektin yaradılması üçün alternativ yanaşma təklif edib. O bildirib ki, süni intellektin gələcəyi təlimin həcminə deyil, onun keyfiyyətinə bağlıdır. Onun sözlərinə görə, ilk superinsan səviyyəsində süni intellekt gücü ilə deyil, öz təcrübəsindən öyrənmək və uyğunlaşmaq bacarığı ilə fərqlənəcək. Məhz bu cür sistemlərin üzərində OpenAI-nin keçmiş texniki direktoru Mira Murati tərəfindən yaradılmış və artıq 2 milyard dollar investisiya cəlb etmiş Thinking Machines Lab startapının işləyəcəyi ehtimal olunur. “İlk superintellekt insanı öyrənmə qabiliyyətinə görə geridə qoyacaq” - deyə Rafael Rafailov San-Fransiskoda keçirilmiş TED AI konfransında bildirib.

     Onun sözlərinə görə, belə bir süni intellekt anlayışları dərin şəkildə dərk edə, çevik şəkildə uyğunlaşa, öz fərziyyələrini irəli sürə, təcrübələr apara və fikirlərini yoxlamaq üçün ətraf mühiti istifadə edə biləcək. Rafailov, milyardlarla dollar investisiya yatıraraq modellərin və məlumatların miqyasını artırmağa çalışan OpenAI, Anthropic və Google DeepMind şirkətlərinin yanaşmasını tənqid edib. Onun fikrincə, süni intellekt sistemlərinə çatışmayan şey hesablama gücü deyil, öz təcrübəsindən öyrənmək qabiliyyətidir. Problemi izah etmək üçün tədqiqatçı süni intellekt proqramçılarından nümunə gətirib. Onların mürəkkəb tapşırıqları - məsələn, kodu analiz etmək və funksiyaları həyata keçirmək - bacarığına baxmayaraq, bu sistemlər əldə etdikləri təcrübəni saxlamır və bilik toplaya bilmirlər.

     İnsandan fərqli olaraq, süni intellekt zamanla bacarıqlarını inkişaf etdirmir - o, hər dəfə “öyrənməyə sıfırdan başlayır”. Əslində, model üçün hər “iş günü” birinci kimidir. Rafailov həmçinin bu cür agentlərin proqramda səhv baş verdikdə işləməyə davam etməyə imkan verən try/except pass kimi konstruksiyalardan istifadə meylinə diqqət çəkib. O bu halın mövcud təlim sistemlərinin məhdudluğunu əks etdirdiyini bildirib: bu modellər sürətli problem həllinə optimallaşdırılıb, ancaq anlama və özünü təkmilləşdirmə qabiliyyətinə malik deyillər. Hesablama gücünün daha da artırılması, həqiqi ümumi süni intellektin yaradılmasına gətirib çıxarmayacaq.

     “Biz mövcud paradiqmalar çərçivəsində ümumi süni intellekt və superintellektlə bacara bilmərik” - deyə Rafailov bildirib. Tədqiqatçının fikrincə, miqyası artırmaq əvəzinə diqqət keyfiyyətli məlumatlara və təlim prosesində düzgün mükafatlandırma strukturuna yönəldilməlidir. Rafailov “metaöyrənmə” və ya “öyrənməyi öyrənmə” yanaşmasından istifadə etməyi təklif edir. Bu halda modellərə bir-birindən ayrı tapşırıqlar deyil, tapşırıqlarla və məşqlərlə zəngin strukturlaşdırılmış tədris kursları təqdim olunur. Burada mükafatlandırılan təkcə konkret bir problemi həll etmək deyil, həm də öyrənmə prosesindəki irəliləyiş, abstraksiyaları mənimsəmə və uyğunlaşma qabiliyyətidir. Bu yanaşma tələbənin dərsliyi mərhələli şəkildə mənimsəməsini təqlid edir və artıq AlphaGo kimi sistemlərdə öz səmərəliliyini sübut edib.