Ένα διαφορετικό μονοπάτι στην εξέλιξη της τεχνητής νοημοσύνης επιχειρεί να ανοίξει η Accelerated Understanding, μια νέα εταιρεία που δεν εστιάζει στη γλώσσα, αλλά στη δυνατότητα των μηχανών να κατανοούν και να προβλέπουν φυσικά φαινόμενα στον χώρο και στον χρόνο.
Πίσω από την προσπάθεια βρίσκονται η Ανίμα Αναντκουμάρ και ο Μπένεντικτ Τζένικ, δύο ερευνητές που είχαν στο παρελθόν βρεθεί στο επίκεντρο συζητήσεων για την ηγεσία του Project Prometheus, ενός ιδιαίτερα φιλόδοξου ερευνητικού εγχειρήματος τεχνητής νοημοσύνης που υποστηρίζεται από τον Τζεφ Μπέζος.
Το νέο τους σύστημα φιλοδοξεί να διαφοροποιηθεί ριζικά από τα μεγάλα γλωσσικά μοντέλα που έχουν κυριαρχήσει τα τελευταία χρόνια. Αντί να «διαβάζει» κείμενα και να προβλέπει ποια λέξη ακολουθεί, έχει σχεδιαστεί ώστε να επεξεργάζεται τεράστιους όγκους επιστημονικών δεδομένων και να αναγνωρίζει σχέσεις που διέπουν τον φυσικό κόσμο.
Η κλίμακα είναι εντυπωσιακή. Σε δοκιμές, το μοντέλο κατάφερε να διαχειριστεί 5 τρισεκατομμύρια μονάδες δεδομένων μέσα σε ένα μόνο prompt, μέγεθος περίπου 5 εκατομμύρια φορές μεγαλύτερο από εκείνο που μπορούν συνήθως να διαχειριστούν κορυφαία μοντέλα της Anthropic και της Google.
Για να αποδοθεί η διαφορά σε ανθρώπινη κλίμακα, θα ήταν σαν ένα σύστημα να μπορούσε να διαβάσει το «Πόλεμος και Ειρήνη» του Τολστόι όχι μία, αλλά περίπου 5 εκατομμύρια φορές σε μία συνεδρία.
Η ουσία, ωστόσο, δεν βρίσκεται μόνο στον όγκο των πληροφοριών. Η πραγματική διαφοροποίηση αφορά το είδος της πληροφορίας που επεξεργάζεται το μοντέλο και τον σκοπό για τον οποίο έχει σχεδιαστεί.
Από τη γλώσσα στους νόμους της φυσικής
Τα περισσότερα σύγχρονα συστήματα γενετικής τεχνητής νοημοσύνης έχουν εκπαιδευτεί πάνω σε τεράστιες ποσότητες κειμένου, ώστε να μπορούν να αναγνωρίζουν μοτίβα στη γλώσσα και να προβλέπουν το πιθανότερο επόμενο στοιχείο μιας ακολουθίας.
Η προσέγγιση της Accelerated Understanding κινείται σε διαφορετική κατεύθυνση. Το σύστημα εκπαιδεύεται ώστε να προβλέπει την εξέλιξη φυσικών φαινομένων, αξιοποιώντας δεδομένα που περιγράφουν μεταβολές στον χώρο, στον χρόνο, στη θερμοκρασία, στην πίεση, στην κίνηση ή σε άλλα φυσικά μεγέθη.
Αυτό σημαίνει ότι δεν πρόκειται απλώς για ένα μοντέλο που «γνωρίζει» επιστημονικά κείμενα. Στόχος είναι να δημιουργηθεί ένα σύστημα που να μπορεί να προσεγγίζει πιο άμεσα τις ίδιες τις σχέσεις που διέπουν ένα φυσικό σύστημα.
Η Αναντκουμάρ έχει επιλέξει μάλιστα να απομακρυνθεί από την αρχιτεκτονική Transformer, πάνω στην οποία βασίζεται μεγάλο μέρος της σημερινής έκρηξης της γενετικής AI και από την οποία προέρχεται και το «T» στο ChatGPT.
Στη θέση της χρησιμοποιείται μια τεχνολογία γνωστή ως neural operators, στην ανάπτυξη της οποίας είχε συμβάλει η ίδια πριν από χρόνια. Οι νευρωνικοί χειριστές έχουν σχεδιαστεί έτσι ώστε να μαθαίνουν σχέσεις μεταξύ ολόκληρων πεδίων δεδομένων και όχι απλώς μεταξύ μεμονωμένων σημείων ή συμβόλων.
Η φιλοσοφία πίσω από αυτή την επιλογή είναι ότι η σημερινή τεχνητή νοημοσύνη έχει αναπτυχθεί κυρίως γύρω από μια ανθρωποκεντρική αντίληψη της νοημοσύνης, με τη γλώσσα να λειτουργεί ως βασικό όχημα κατανόησης. Η νέα προσέγγιση επιχειρεί να μεταφέρει το επίκεντρο από τον άνθρωπο στη φύση.
Το μεγάλο στοίχημα των world models
Η Accelerated Understanding δεν είναι η μόνη εταιρεία που προσπαθεί να δημιουργήσει συστήματα με βαθύτερη κατανόηση του φυσικού κόσμου. Η ανάπτυξη των λεγόμενων world models εξελίσσεται σε ένα από τα επόμενα μεγάλα πεδία ανταγωνισμού στην τεχνητή νοημοσύνη.
Σε αντίθεση με τα μοντέλα που έχουν εκπαιδευτεί κυρίως πάνω σε λέξεις και προτάσεις, τα world models επιδιώκουν να κατανοήσουν καλύτερα τη χωρική και φυσική πραγματικότητα: πώς κινούνται τα αντικείμενα, πώς αλληλεπιδρούν μεταξύ τους, τι συμβαίνει όταν αλλάζουν συγκεκριμένες συνθήκες και ποια εξέλιξη είναι πιθανότερη σε ένα πραγματικό περιβάλλον.
Η Accelerated Understanding επιχειρεί να προχωρήσει ένα βήμα παραπέρα, δημιουργώντας έναν neural operator αρκετά γενικό ώστε να μπορεί να εφαρμόζεται σε διαφορετικούς τομείς της φυσικής χωρίς να απαιτείται κάθε φορά η ανάπτυξη ενός ξεχωριστού μοντέλου από την αρχή.
Το όραμα είναι ένα ενιαίο σύστημα που θα μπορεί να χειρίζεται διαφορετικά προβλήματα, ακόμη και όταν αυτά αφορούν φαινόμενα αόρατα στο ανθρώπινο μάτι ή εξαιρετικά δύσκολα να αναπαραχθούν με παραδοσιακά υπολογιστικά εργαλεία.
Εάν η προσέγγιση αποδειχθεί αποτελεσματική σε μεγάλη κλίμακα, θα μπορούσε να μειώσει σημαντικά τον χρόνο και το κόστος που απαιτούν σήμερα οι επιστημονικές προσομοιώσεις.
Μικροτσίπ με λιγότερες δοκιμές και αστοχίες
Ένα από τα πρώτα πεδία όπου η νέα τεχνολογία θα μπορούσε να έχει άμεση επιχειρηματική αξία είναι η βιομηχανία ημιαγωγών.
Οι κατασκευαστές μικροτσίπ χρησιμοποιούν ήδη εργαλεία τεχνητής νοημοσύνης για προγραμματισμό, σχεδιασμό κυκλωμάτων και αυτοματοποίηση επιμέρους σταδίων. Ωστόσο, η απόδοση ενός τσιπ εξαρτάται από πολύ περισσότερα από τη διάταξη των ηλεκτρονικών στοιχείων.
Η συμπεριφορά των υλικών, η διάχυση της θερμότητας, οι θερμοκρασίες λειτουργίας και οι μηχανικές ή ηλεκτρομαγνητικές αλληλεπιδράσεις μπορούν να επηρεάσουν καθοριστικά το τελικό αποτέλεσμα.
Ένα μοντέλο με βαθύτερη κατανόηση της φυσικής θα μπορούσε να προβλέπει εκ των προτέρων τη συμπεριφορά ενός σχεδιασμού, μειώνοντας τον αριθμό των δοκιμών που απαιτούνται στο εργαστήριο και περιορίζοντας τις δαπανηρές αστοχίες.
Σε έναν κλάδο όπου η ανάπτυξη ενός νέου επεξεργαστή μπορεί να απαιτεί τεράστιες επενδύσεις και πολλαπλούς κύκλους δοκιμών, ακόμη και μια μικρή βελτίωση στην ακρίβεια των προσομοιώσεων μπορεί να δημιουργήσει σημαντικό οικονομικό όφελος.
Από τη ρομποτική έως τα ακραία καιρικά φαινόμενα
Οι πιθανές εφαρμογές δεν σταματούν στους ημιαγωγούς. Η ίδια τεχνολογική βάση θα μπορούσε να χρησιμοποιηθεί στη ρομποτική, όπου ένα σύστημα πρέπει να αντιλαμβάνεται τις φυσικές συνέπειες κάθε κίνησης και να προσαρμόζεται σε ένα μεταβαλλόμενο περιβάλλον.
Άλλη πιθανή εφαρμογή είναι η πρόβλεψη ακραίων καιρικών φαινομένων, ένας τομέας στον οποίο η δυνατότητα ταχύτερης επεξεργασίας τεράστιων ποσοτήτων χωρικών και χρονικών δεδομένων θα μπορούσε να αποδειχθεί ιδιαίτερα πολύτιμη.
Στον ενεργειακό κλάδο, η τεχνολογία θα μπορούσε να αξιοποιηθεί στην ανάλυση γεωλογικών δεδομένων, βοηθώντας εταιρείες να εκτιμήσουν καλύτερα τη δομή του υπεδάφους ή να μοντελοποιήσουν σύνθετα φυσικά συστήματα.
Η βασική επιχειρηματική υπόσχεση είναι ότι αντί κάθε βιομηχανία να χρησιμοποιεί ένα διαφορετικό, αυστηρά εξειδικευμένο και συχνά εύθραυστο μαθηματικό μοντέλο για κάθε περίπτωση, ένα περισσότερο γενικευμένο σύστημα AI θα μπορούσε να απαντά σε ευρύτερο φάσμα ερωτημάτων φυσικής.
Αυτό θα μπορούσε να αλλάξει σημαντικά τον τρόπο με τον οποίο επιχειρήσεις διεξάγουν έρευνα, σχεδιάζουν νέα προϊόντα και δοκιμάζουν σενάρια πριν περάσουν στην πραγματική παραγωγή.
Η Accelerated Understanding, πάντως, δεν σχεδιάζει σε πρώτη φάση να απευθυνθεί στην καταναλωτική αγορά. Η στρατηγική της επικεντρώνεται σε συνεργασίες με επιχειρήσεις, όπου οι εφαρμογές της φυσικής και το οικονομικό όφελος από ταχύτερες και ακριβέστερες προβλέψεις μπορούν να είναι πολύ μεγαλύτερα.
Το στοίχημα των δύο ιδρυτών είναι ουσιαστικά ότι η επόμενη μεγάλη εξέλιξη της τεχνητής νοημοσύνης δεν θα προκύψει απαραίτητα από ένα ακόμη ισχυρότερο chatbot. Μπορεί να προέλθει από συστήματα που θα είναι ικανά να κατανοούν καλύτερα τον τρόπο με τον οποίο λειτουργεί ο ίδιος ο φυσικός κόσμος.
Διαβάστε ακόμη
Apple: Απόδοση 2.275% αφήνει πίσω του ο Τιμ Κουκ – Το στοίχημα του Τζον Τέρνους (διαγράμματα)
Apple-OpenAI: Στα άκρα η δικαστική μάχη – Το μυστικό σχέδιο του iPhone και ο πρώην μηχανικός
Για όλες τις υπόλοιπες ειδήσεις της επικαιρότητας μπορείτε να επισκεφθείτε το Πρώτο ΘΕΜΑ
Σχολίασε εδώ
Για να σχολιάσεις, χρησιμοποίησε ένα ψευδώνυμο.