يجعلني الذكاء الاصطناعي المذهل الجديد لـ “جاتو” من DeepMind
كشفت DeepMind اليوم عن نظام ذكاء اصطناعي متعدد الوسائط قادر على أداء أكثر من 600 مهمة مختلفة.
يُطلق عليها اسم Gato، ويمكن القول إنها مجموعة التعلم الآلي الأكثر إثارة للإعجاب في العالم حتى الآن.
الوكيل، الذي نشير إليه باسم Gato، يعمل كسياسة عامة متعددة الوسائط، متعددة المهام، متعددة التجسيدات.
يمكن للشبكة نفسها التي لها نفس الأوزان تشغيل Atari، أو الصور التوضيحية، أو الدردشة، أو تكديس الكتل بذراع روبوت حقيقي وأكثر من ذلك بكثير، وتقرر بناءً على سياقها ما إذا كنت تريد إخراج نص، أو عزم الدوران المشترك، أو ضغطات الأزرار، أو الرموز المميزة الأخرى.
وبينما يبقى أن نرى بالضبط كيف ستعمل بشكل جيد بمجرد أن يضع الباحثون والمستخدمون خارج مختبرات DeepMind أيديهم عليها، يبدو أن Gato هو كل ما تتمناه GPT-3 وأكثر.
هذا هو السبب الذي يجعلني أشعر بالحزن: GPT-3 هو نموذج ذو لغة كبيرة (LLM) أنتجته شركة OpenAI، شركة الذكاء العام الاصطناعي (AGI) الأكثر تمويلًا في العالم.
قبل أن نتمكن من مقارنة GPT-3 وGato، نحتاج إلى فهم مصدر كل من OpenAI وDeepMind كشركات.
OpenAI هي من بنات أفكار Elon Musk ، ولديها مليارات الدولارات من الدعم من Microsoft ، ويمكن للحكومة الأمريكية أن تهتم بشكل أقل بما تفعله عندما يتعلق الأمر بالتنظيم والرقابة.
مع الأخذ في الاعتبار أن الغرض الوحيد من OpenAI هو تطوير والتحكم في AGI (وهو ذكاء اصطناعي قادر على فعل وتعلم أي شيء يمكن للإنسان، مع منح نفس الوصول)، إنه أمر مخيف بعض الشيء أن كل ما تمكنت الشركة من إنتاجه هو LLM خيالي حقًا.
لا تفهموني خطأ، GPT-3 مثير للإعجاب. في الواقع، يمكن القول إنه مثير للإعجاب مثل DeepMind’s Gato، لكن هذا التقييم يتطلب بعض الفروق الدقيقة.
لقد سلك OpenAI طريق LLM في طريقه إلى AGI لسبب بسيط: لا أحد يعرف كيفية جعل AGI يعمل.
مثلما استغرق الأمر بعض الوقت بين اكتشاف الحريق واختراع محرك الاحتراق الداخلي، فإن اكتشاف كيفية الانتقال من التعلم العميق إلى الذكاء الاصطناعي العام لن يحدث بين عشية وضحاها.
GPT-3 هو مثال على الذكاء الاصطناعي الذي يمكنه على الأقل القيام بشيء يبدو كإنسان: فهو يولد النص.
ما فعله DeepMind مع Gato، حسنًا، هو نفس الشيء إلى حد كبير. لقد أخذ شيئًا يشبه إلى حد كبير ماجستير في القانون وحولته إلى متخيل قادر على أكثر من 600 شكل من أشكال الترقب.
كما قال مايك كوك، من مجموعة أبحاث Knives and Paintbrushes، مؤخرًا لـ TechCrunch’s Kyle Wiggers:
يبدو من المثير أن الذكاء الاصطناعي قادر على القيام بكل هذه المهام التي تبدو مختلفة جدًا، لأنه يبدو لنا أن كتابة النص يختلف كثيرًا عن التحكم في الروبوت.
لكن في الواقع، لا يختلف هذا كثيرًا عن فهم GPT-3 للاختلاف بين النص الإنجليزي العادي ورمز Python.
هذا لا يعني أن هذا أمر سهل، ولكن بالنسبة للمراقب الخارجي، قد يبدو هذا أن الذكاء الاصطناعي يمكنه أيضًا صنع كوب من الشاي أو بسهولة تعلم عشرة أو خمسين مهمة أخرى، ولا يمكنه فعل ذلك.
في الأساس، يعد كل من Gato وGPT-3 أنظمة ذكاء اصطناعي قوية، لكن لا أحد منهما قادر على الذكاء العام.
إليكم مشكلتي: ما لم تكن تقوم بالمقامرة على الذكاء الاصطناعي العام الذي يظهر كنتيجة لفعل حظ عشوائي – يتبادر إلى الذهن فيلم Short Circuit – ربما حان الوقت للجميع لإعادة تقييم جداولهم الزمنية على AGI.
لن أقول “أبدًا”، لأن هذه واحدة من الكلمات الملعونة الوحيدة للعلم. لكن هذا يجعل الأمر يبدو وكأن الذكاء الاصطناعي العام لن يحدث في حياتنا.
تعمل DeepMind على AGI لأكثر من عقد، وOpenAI منذ عام 2015. ولم يتمكن أي منهما من معالجة المشكلة الأولى على طريق حل الذكاء الاصطناعي العام: بناء ذكاء اصطناعي يمكنه تعلم أشياء جديدة بدون تدريب.
أعتقد أن Gato يمكن أن يكون نظام الذكاء الاصطناعي متعدد الوسائط الأكثر تقدمًا في العالم. لكني أعتقد أيضًا أن DeepMind اتبعت نفس مفهوم الطريق المسدود لـ AGI الذي جعلته OpenAI أكثر قابلية للتسويق.
الأفكار النهائية: ما فعلته DeepMind رائع ومن المحتمل أن تجني الشركة الكثير من المال.
إذا كنت الرئيس التنفيذي لشركة Alphabet (الشركة الأم لـ DeepMind)، فأنا إما أن أقوم بتدوير Gato كمنتج خالص، أو أقوم بدفع DeepMind إلى تطوير أكثر من البحث.
يمكن أن يكون لدى Gato القدرة على الأداء المربح في السوق الاستهلاكية أكثر من Alexa أو Siri أو Google Assistant (مع التسويق المناسب وحالات الاستخدام القابلة للتطبيق).
لكن، Gato وGPT-3 ليستا نقاط دخول أكثر قابلية للتطبيق لـ AGI من المساعدين الظاهريين المذكورين أعلاه.
إن قدرة Gato على أداء مهام متعددة تشبه إلى حد كبير وحدة تحكم ألعاب الفيديو التي يمكنها تخزين 600 لعبة مختلفة، أكثر من كونها لعبة يمكنك لعب 600 طريقة مختلفة.
إنه ليس ذكاءً اصطناعيًا عامًا، إنه مجموعة من النماذج الضيقة المدربة مسبقًا والمجمعة بدقة.
هذا ليس شيئًا سيئًا، إذا كان هذا ما تبحث عنه. ولكن ببساطة لا يوجد شيء في ورقة البحث المصاحبة لـ Gato للإشارة إلى أن هذه لمحة في الاتجاه الصحيح لـ AGI، ناهيك عن كونها نقطة انطلاق.
في مرحلة ما، فإن النوايا الحسنة ورأس المال الذي حققته شركات مثل DeepMind وOpenAI من خلال إصرارهم القوي على أن الذكاء الاصطناعي العام كان قاب قوسين أو أدنى، سيتعين عليهم إظهار حتى أصغر الأرباح.
المصدر: thenextweb
شاهد ايضا:
