Um novo estudo publicado este mês pela Associação para o Avanço da Inteligência Artificial (AAAI), envolvendo centenas de pesquisadores de IA, tem uma descoberta importante: é improvável que nossa abordagem atual à IA nos leve à inteligência artificial geral.
A inteligência artificial tem sido um tópico popular de conversa nos últimos anos, mas o campo da IA como área de pesquisa científica existe há décadas. Por exemplo, o famoso artigo de Alan Turing "Computing Machinery and Intelligence" e o Teste de Turing, do qual falamos até hoje, foram publicados em 1950.
A IA da qual todos falam hoje nasceu dessas décadas de pesquisa, mas também está se distanciando delas. Em vez de ser uma pesquisa científica, agora também temos um ramo distinto de IA que podemos chamar de “IA comercial”.
Grandes monopólios como Microsoft, Google, Meta, Apple e Amazon estão liderando esforços comerciais de IA, com o objetivo principal de criar produtos de IA. Isso não deveria ser um problema, mas agora parece que pode ser.
Primeiro, como a maioria das pessoas só acompanha pesquisas sobre IA há alguns anos, tudo o que a pessoa média sabe sobre IA vem dessas empresas, não da comunidade científica. O estudo abrange Este tópico é abordado no capítulo “Percepção vs. Realidade”, onde 79% dos cientistas participantes acreditam que as percepções atuais das capacidades da IA não correspondem à realidade da pesquisa e desenvolvimento da IA.
Em outras palavras, o que o público em geral pensa que a IA pode fazer não corresponde ao que os cientistas pensam que a IA pode fazer. A razão para isso é tão simples quanto lamentável: quando um executivo sênior de tecnologia faz uma declaração sobre IA, não é uma opinião científica – é marketing de produto. Eles querem divulgar a tecnologia que impulsiona seus novos produtos e garantir que todos sintam a necessidade de aderir à tendência.
Quando ele diz Sam Altman أو Mark Zuckerberg Os empregos em engenharia de software serão substituídos por IA, por exemplo, porque eles querem influenciar engenheiros a aprender habilidades de IA e influenciar empresas de tecnologia a investir em planos empresariais caros. Entretanto, a menos que eles comecem a substituir seus engenheiros (e tirem vantagem disso), eu pessoalmente não acreditaria em uma palavra do que eles dizem sobre o assunto.
Entretanto, não é apenas a percepção do público que a IA comercial influencia. Os participantes do estudo acreditam que o “hype da IA” criado pelas grandes empresas de tecnologia está prejudicando os esforços de pesquisa. Por exemplo, 74% concordam que a direção da pesquisa em IA é impulsionada pelo hype — provavelmente porque a pesquisa alinhada aos objetivos comerciais da IA é mais fácil de financiar. 12% também acreditam que a pesquisa teórica em IA está sofrendo como resultado.
Então, quão sério é esse problema? Mesmo que as grandes empresas de tecnologia influenciem o tipo de pesquisa que fazemos, as somas presumivelmente enormes que elas investem nesse campo devem ter um impacto geral positivo. No entanto, a variedade é fundamental quando se trata de pesquisa: precisamos seguir todos os tipos de caminhos diferentes para ter a chance de encontrar o melhor.
Mas as grandes empresas de tecnologia estão realmente focadas em apenas uma coisa agora: grandes modelos de linguagem. Esse tipo muito específico de modelo de IA é o que impulsiona quase todos os produtos de IA mais recentes, e pessoas como Sam Altman acreditam que, ao tornar esses modelos cada vez mais escaláveis (ou seja, fornecendo-lhes mais dados, mais tempo de treinamento e mais poder computacional), eventualmente alcançaremos a IA geral.
Essa ideia, conhecida como hipótese de escala, diz que quanto mais poder damos à IA, maiores são suas habilidades cognitivas e menores são suas taxas de erro. Algumas interpretações também dizem que novas habilidades cognitivas surgirão inesperadamente. Portanto, embora grandes modelos de linguagem não sejam muito bons em planejar e raciocinar sobre problemas agora, essas capacidades devem surgir em algum momento.
não há parede
- Sam Altman (@sama) 14 de novembro de 2024
Entretanto, nos últimos meses, a hipótese de expansão tem enfrentado severas críticas. Alguns cientistas acreditam que a ampliação de grandes modelos de linguagem nunca levará à AGI e acreditam que todo o poder adicional que damos a Novos modelos Não produz mais resultados. Em vez disso, chegamos a um "muro de escala" ou "limite de escala", onde grandes quantidades de poder de computação e dados adicionais levam apenas a pequenas melhorias em novos modelos. A maioria dos cientistas envolvidos no estudo da AAAI está deste lado do argumento:
A maioria dos entrevistados (76%) afirmou que “ampliar as abordagens atuais de IA” para atingir a AGI é “improvável” ou “muito improvável” de ter sucesso, indicando dúvidas sobre se os modelos atuais de aprendizado de máquina são suficientes para atingir a inteligência geral.
Os grandes sistemas de linguagem atuais podem produzir respostas muito relevantes e úteis quando as coisas estão indo bem, mas eles Baseado em princípios matemáticos Para fazer isso. Muitos cientistas acreditam que precisaremos de novos algoritmos que usem lógica, razão e conhecimento factual para chegar a uma solução se quisermos avançar em direção à meta da inteligência artificial geral. Aqui está uma citação mordaz sobre grandes sistemas de linguagem e inteligência artificial geral de Artigo de pesquisa de 2022 Por Jacob Browning e Yann LeCun.
Um sistema treinado somente na linguagem nunca chegará perto da inteligência humana, mesmo que fosse treinado desde agora até que o calor do universo se apagasse.
No entanto, não há uma maneira real de saber quem está aqui — ainda não. Por um lado, a definição geral de inteligência artificial não é fixa, e nem todos buscam a mesma coisa. Algumas pessoas acreditam que a inteligência artificial geral deve produzir respostas semelhantes às humanas por meio de métodos semelhantes aos humanos – então ela deve observar o mundo ao seu redor e resolver problemas de uma forma semelhante a nós. Enquanto outros acreditam que a IA em geral deveria se concentrar mais em respostas corretas do que em respostas humanas, e que os métodos que eles usam não deveriam importar.
No entanto, de muitas maneiras, não importa realmente em qual versão da IAG você está interessado ou se você é a favor ou contra a hipótese de ampliação — ainda precisamos diversificar nossos esforços de pesquisa. Se nos concentrarmos apenas em dimensionar grandes modelos de linguagem, teremos que começar do zero se eles não funcionarem, e poderemos deixar de descobrir métodos novos, mais eficazes ou eficientes. Muitos dos cientistas envolvidos neste estudo temem que a IA comercial e o exagero em torno dela retardem o progresso real, mas tudo o que podemos fazer é esperar que suas preocupações sejam abordadas e que ambos os ramos da pesquisa em IA possam coexistir e avançar juntos. Bem, você também pode esperar que bolha de IA Todos os produtos tecnológicos com tecnologia de IA explodem e desaparecem no esquecimento, se você preferir.
Comentários estão fechados.