ในเดือนสิงหาคม พ.ศ. 2498 นักวิทยาศาสตร์กลุ่มหนึ่งได้ขอทุนสนับสนุนเป็นจำนวน 13,500 ดอลลาร์สหรัฐ เพื่อจัดการประชุมเชิงปฏิบัติการภาคฤดูร้อนที่วิทยาลัยดาร์ทเมาท์ รัฐนิวแฮมป์เชียร์ สาขาที่พวกเขาเสนอให้สำรวจคือปัญญาประดิษฐ์ (AI) แม้ว่าคำขอเงินทุนจะค่อนข้างธรรมดา แต่การคาดคะเนของนักวิจัยไม่ใช่ว่า : “ทุกแง่มุมของการเรียนรู้หรือคุณลักษณะอื่น ๆ ของความฉลาดสามารถอธิบายได้อย่างแม่นยำจนสามารถสร้างเครื่องจักรเพื่อจำลองได้”
ตั้งแต่จุดเริ่มต้นเล็กๆ น้อยๆ เหล่านี้ ภาพยนตร์และสื่อต่าง ๆ ได้
ทำให้เอไอโรแมนติกหรือเลือกให้เอไอเป็นตัวร้าย แต่สำหรับคนส่วนใหญ่ AI ยังคงเป็นประเด็นของการสนทนาและไม่ใช่ส่วนหนึ่งของประสบการณ์ชีวิตที่ใส่ใจ
เมื่อปลายเดือนที่แล้ว AI ในรูปแบบของ ChatGPTได้หลุดพ้นจากการคาดเดาทางวิทยาศาสตร์และห้องปฏิบัติการวิจัย และมาสู่เดสก์ท็อปและโทรศัพท์ของสาธารณชนทั่วไป เป็นสิ่งที่เรียกว่า “กำเนิด AI” – ทันใดนั้น การแจ้งด้วยคำพูดที่ชาญฉลาดสามารถสร้างเรียงความหรือรวบรวมสูตรอาหารและรายการซื้อของ หรือสร้างบทกวีในสไตล์ของ Elvis Presley ในขณะที่ ChatGPT เป็นผู้เข้าแข่งขันที่น่าทึ่งที่สุดในรอบปีแห่งความสำเร็จในการกำเนิด AI แต่ระบบที่คล้ายคลึงกันได้แสดงศักยภาพที่กว้างขึ้นในการสร้างเนื้อหาใหม่ โดยใช้การแจ้งข้อความเป็นรูปภาพเพื่อสร้างภาพที่สดใสซึ่งชนะการแข่งขันด้านศิลปะ
AI อาจยังไม่มีจิตสำนึกที่มีชีวิตหรือทฤษฎีเกี่ยวกับจิตใจที่เป็นที่นิยมในภาพยนตร์ไซไฟและนวนิยาย แต่อย่างน้อยก็เข้าใกล้สิ่งที่ขัดขวางสิ่งที่เราคิดว่าระบบปัญญาประดิษฐ์สามารถทำได้
นักวิจัยที่ทำงานอย่างใกล้ชิดกับระบบเหล่านี้ต่างตกเป็นเหยื่อภายใต้ความคาดหวังของความรู้สึกเช่นในกรณีของ LaMDA โมเดลภาษาขนาดใหญ่ (LLM) ของ Google LLM เป็นรูปแบบที่ได้รับการฝึกอบรมเพื่อประมวลผลและสร้างภาษาธรรมชาติ
เจเนอเรทีฟเอไอยังสร้างความกังวลเกี่ยวกับการลอกเลียนแบบ การใช้ประโยชน์จากเนื้อหาต้นฉบับที่ใช้สร้างแบบจำลองจริยธรรมของการจัดการข้อมูลและการใช้ความไว้วางใจในทางที่ผิด และแม้แต่ ” การสิ้นสุดของการเขียนโปรแกรม ” ศูนย์กลางของคำถามนี้คือคำถามที่เพิ่มขึ้นอย่างเร่งด่วนตั้งแต่การประชุมเชิงปฏิบัติการฤดูร้อนที่ Dartmouth: AI แตกต่างจากความฉลาดของมนุษย์หรือไม่?
ความท้าทายที่สำคัญสำหรับการสร้าง AI ทั่วไปคือการสร้างแบบ
จำลองโลกที่มีความรู้ทั้งหมดอย่างเพียงพอในลักษณะที่สอดคล้องและเป็นประโยชน์ นั่นเป็นภารกิจที่ยิ่งใหญ่ที่จะพูดน้อยที่สุด
สิ่งที่เรารู้จักในชื่อ AI ในปัจจุบันส่วนใหญ่จะมีความฉลาดที่แคบ ซึ่งระบบใดระบบหนึ่งจะจัดการกับปัญหาเฉพาะ ซึ่งแตกต่างจากความฉลาดของมนุษย์ ความฉลาดของ AI ที่แคบเช่นนี้จะมีประสิทธิภาพ ในพื้นที่ที่ได้รับการฝึกอบรม เท่านั้นเช่น การตรวจจับการฉ้อโกง การจดจำใบหน้า หรือคำแนะนำทางสังคม เป็นต้น
อย่างไรก็ตาม AGI จะทำงานเหมือนกับมนุษย์ สำหรับตอนนี้ ตัวอย่างที่โดดเด่นที่สุดของการพยายามบรรลุเป้าหมายนี้คือการใช้โครงข่ายประสาทเทียมและการฝึกอบรม “การเรียนรู้เชิงลึก” กับข้อมูลจำนวนมหาศาล
เครือข่ายประสาทได้รับแรงบันดาลใจจากวิธีการทำงานของสมองมนุษย์ ไม่เหมือนกับโมเดลแมชชีนเลิร์นนิงส่วนใหญ่ที่ใช้การคำนวณข้อมูลการฝึกอบรม โครงข่ายประสาทเทียมทำงานโดยการป้อนข้อมูลแต่ละจุดทีละจุดผ่านเครือข่ายที่เชื่อมต่อกัน ทุกครั้งที่ปรับพารามิเตอร์
เมื่อข้อมูลถูกป้อนผ่านเครือข่ายมากขึ้นเรื่อยๆ พารามิเตอร์ก็จะเสถียร ผลลัพธ์สุดท้ายคือโครงข่ายประสาทเทียมที่ “ผ่านการฝึกอบรม” ซึ่งสามารถสร้างผลลัพธ์ตามที่ต้องการบนข้อมูลใหม่ได้ ตัวอย่างเช่น การจดจำว่าภาพมีแมวหรือสุนัข
การก้าวกระโดดที่สำคัญของ AI ในปัจจุบันนั้นขับเคลื่อนโดยการปรับปรุงทางเทคโนโลยีในวิธีที่เราสามารถฝึกโครงข่ายประสาทเทียมขนาดใหญ่ การปรับพารามิเตอร์จำนวนมหาศาลในแต่ละการทำงานด้วยความสามารถของโครงสร้างพื้นฐานคลาวด์คอมพิวติ้งขนาดใหญ่ ตัวอย่างเช่น GPT-3 (ระบบ AI ที่ขับเคลื่อน ChatGPT) เป็นโครงข่ายประสาทเทียมขนาดใหญ่ที่มีพารามิเตอร์ 175 พันล้านพารามิเตอร์
ประการแรก มันต้องการข้อมูลที่มีคุณภาพสูงและเป็นกลางและอีกมากมาย นักวิจัยที่สร้างโครงข่ายประสาทเทียมใช้ชุดข้อมูลขนาดใหญ่ที่เกิดขึ้นในขณะที่สังคมเปลี่ยนเป็นดิจิทัล
AI ยังต้องการโครงสร้างพื้นฐานด้านการคำนวณเพื่อการฝึกอบรมที่มีประสิทธิภาพ เมื่อคอมพิวเตอร์มีประสิทธิภาพมากขึ้น โมเดลที่ต้องใช้ความพยายามอย่างเข้มข้นและการประมวลผลขนาดใหญ่ในอนาคตอันใกล้นี้อาจได้รับการจัดการภายในเครื่อง ตัวอย่างเช่น Stable Diffusion สามารถเรียกใช้บนคอมพิวเตอร์เฉพาะที่แทนที่จะเป็นสภาพแวดล้อมแบบคลาวด์
ความต้องการประการที่สามสำหรับ AI คือโมเดลและอัลกอริทึมที่ได้รับการปรับปรุง ระบบที่ขับเคลื่อนด้วยข้อมูลยังคงก้าวหน้าอย่างรวดเร็วในโดเมน หลังจากที่โดเมนเคยคิดว่าเป็นอาณาเขตของความรู้ความเข้าใจของมนุษย์
อย่างไรก็ตาม ในขณะที่โลกรอบตัวเราเปลี่ยนแปลงตลอดเวลา ระบบ AI จำเป็นต้องได้รับการฝึกอบรมใหม่อย่างต่อเนื่องโดยใช้ข้อมูลใหม่ หากไม่มีขั้นตอนที่สำคัญนี้ ระบบ AI จะสร้างคำตอบที่ไม่ถูกต้องตามข้อเท็จจริง หรือไม่คำนึงถึงข้อมูลใหม่ที่เกิดขึ้นตั้งแต่ได้รับการฝึกอบรม
โครงข่ายประสาทเทียมไม่ใช่แนวทางเดียวสำหรับ AI อีกกลุ่มหนึ่งที่โดดเด่นในการวิจัยปัญญาประดิษฐ์คือAI แบบสัญลักษณ์แทนที่จะย่อยชุดข้อมูลขนาดใหญ่ จะอาศัยกฎและความรู้ที่คล้ายกับกระบวนการของมนุษย์ในการสร้างสัญลักษณ์ภายในของปรากฏการณ์เฉพาะ
แต่ความสมดุลของอำนาจได้เอียงไปทางแนวทางที่ขับเคลื่อนด้วยข้อมูลอย่างมากในช่วงทศวรรษที่ผ่านมา โดย “บิดาผู้ก่อตั้ง” ของการเรียนรู้เชิงลึกสมัยใหม่เพิ่งได้รับรางวัลTuring Prizeซึ่งเทียบเท่ากับรางวัลโนเบลสาขาวิทยาการคอมพิวเตอร์
ข้อมูล การคำนวณ และอัลกอริทึมเป็นรากฐานของอนาคตของ AI ตัวบ่งชี้ทั้งหมดคือความคืบหน้าอย่างรวดเร็วในทั้งสามประเภทในอนาคตอันใกล้
แนะนำ 666slotclub / hob66
