Jotkut maailman tunnetuimmista tekoälyn nimistä saapuivat pieneen hiihtokeskuskaupunkiin Davosiin Sveitsiin tällä viikolla Maailman talousfoorumiin (WEF).
Tekoäly hallitsi monia keskusteluja yritysten, hallitusten johtajien, tutkijoiden ja kansalaisryhmien kesken. Ilmeni kuitenkin selvä vastakohta sen suhteen, kuinka lähellä nykyiset mallit ovat ihmisen älykkyyden jäljittelemiseen ja mitkä ovat tekniikan todennäköiset lyhyen aikavälin taloudelliset vaikutukset.
Maailman valloittaneet suuret kielimallit (LLM) eivät ole tie ihmistason älykkyyteen, kaksi tekoälyasiantuntijaa sanoi erillisissä kommenteissaan Davosissa.
Demis Hassabis, Nobel-palkitun Google DeepMindin toimitusjohtaja ja Googlen Gemini-mallien kehitystä johtava johtaja, sanoi, että nykyiset tekoälyjärjestelmät, niin vaikuttavat kuin ne ovatkin, eivät ole “lähelläkään” ihmistason tekoälyä (AGI).
Yann LeCun, tekoälyn pioneeri, joka voitti tietotekniikan arvostetuimman Turing-palkinnon työstään hermoverkkojen parissa, meni pidemmälle ja sanoi, että kaikkien tärkeimpien tekoälymallien taustalla olevat LLM:t eivät koskaan pysty saavuttamaan ihmisen kaltaista älykkyyttä ja että tarvitaan täysin erilainen lähestymistapa.
Heidän näkemyksensä eroavat huomattavasti Googlen tärkeimpien tekoälykilpailijoiden OpenAI:n ja Anthropicin ylempien johtajien kannasta, jotka väittävät, että heidän tekoälymallinsa kilpailevat ihmisälyn partaalla.
Anthropicin toimitusjohtaja Dario Amodei kertoi yleisölle Davosissa, että tekoälymallit korvaavat kaikkien ohjelmistokehittäjien työn vuoden sisällä ja saavuttaisivat “Nobelin tason” tieteellisessä tutkimuksessa useilla aloilla kahdessa vuodessa. Hän sanoi, että 50 prosenttia toimihenkilöistä katoaisi viidessä vuodessa.
OpenAI:n toimitusjohtaja Sam Altman (joka ei ollut Davosissa tänä vuonna) on sanonut, että olemme jo alkamassa siirtyä ihmistason AGI:stä kohti “superälyä” tai tekoälyä, joka olisi älykkäämpi kuin kaikki ihmiset yhteensä.
Voivatko LLM:t johtaa yleiseen älykkyyteen?
Yhdessä WEF:ssä Amodein kanssa Hassabis sanoi, että AGI:n saavuttaminen on 50 %:n todennäköisyydellä vuosikymmenen sisällä, vaikkakaan ei mallien avulla, jotka on rakennettu täsmälleen kuten nykyiset tekoälyjärjestelmät.
Myöhemmässä Googlen sponsoroimassa puheessa hän selitti, että “saamme tarvita vielä yhden tai kaksi edistystä ennen kuin pääsemme AGI:hen.” Hän tunnisti useita keskeisiä puutteita, mukaan lukien kyky oppia muutamista esimerkeistä, kyky oppia jatkuvasti, parempi pitkäaikainen muisti ja paremmat päättely- ja suunnittelukyvyt.
“Minun määritelmäni (AGI) on järjestelmä, joka voi osoittaa kaikkia kognitiivisia kykyjä, joita ihmiset voivat, ja tarkoitan kaikkea”, hän sanoi, mukaan lukien “ihmisen luovuuden korkeimmat tasot, joita aina juhlimme, tiedemiehet ja taiteilijat, joita ihailemme.” Vaikka edistyneet tekoälyjärjestelmät ovat alkaneet ratkaista vaikeita matemaattisia yhtälöitä ja käsitellä aiemmin testaamattomia olettamuksia, tekoälyn on kehitettävä omat innovatiiviset olettamuksensa (“paljon vaikeampi” tehtävä), jotta niitä voidaan tarkastella ihmisen älykkyyden tasolla.
LeCun, joka puhui AI Housessa Davosissa, kritisoi vielä suoremmin alan erityistä keskittymistä LLM-yrityksiin. “Syy… LLM:t ovat olleet niin menestyneitä, koska kieli on helppoa”, hän väitti.
Hän asetti tämän vastakohtana fyysisen maailman asettamiin haasteisiin. “Meillä on järjestelmiä, jotka voivat läpäistä baarikokeen, kirjoittaa koodia… mutta ne eivät todellakaan käsittele todellista maailmaa. Tästä syystä meillä ei ole kotirobotteja (ja) meillä ei ole viidennen tason autonomisia ajoneuvoja”, hän sanoi.
LeCun, joka jätti Metan marraskuussa perustaakseen Advanced Machine Intelligence Labsin (AMI), väitti, että tekoälyteollisuudesta on tullut vaarallisen monoliittinen. “Tekoälyteollisuus on täysin LLM-pohjainen”, hän sanoi.
Hän sanoi, että Metan päätös keskittyä yksinomaan LLM:ään ja sijoittaa kymmeniä miljardeja dollareita valtavan suuren datakeskuksen rakentamiseen vaikutti hänen päätökseensä jättää teknologiajätti. LeCun lisäsi, että hänen näkemyksensä siitä, että LLM:t ja generatiivinen tekoäly eivät olleet tie ihmistason tekoälyyn, saati sitten toimitusjohtaja Mark Zuckerbergin toivoma “superälykkyys”, teki hänestä epäsuositun yrityksessä.
“Pilaaksossa kaikki työskentelevät saman asian parissa. Kaikki kaivavat samaa ojaa”, hän sanoi.
LeCunin mukaan perustavanlaatuinen rajoitus on, että nykyiset järjestelmät eivät voi rakentaa “maailmamallia”, joka voi ennustaa mitä todennäköisimmin tapahtuu seuraavaksi ja yhdistää syyn ja seurauksen. “En voi kuvitella, että voimme rakentaa agenttijärjestelmiä ilman, että näillä järjestelmillä on kyky ennustaa etukäteen, mitä seurauksia heidän toimillaan on”, hän sanoi. “Tapa, jolla toimimme maailmassa, on se, että tiedämme, että voimme ennustaa tekojemme seuraukset, ja se antaa meille mahdollisuuden suunnitella.”
LeCunin uusi yritys toivoo voivansa kehittää näitä maailmanmalleja videodatan avulla. Mutta vaikka jotkin video-AI-mallit yrittävät ennustaa pikseleitä kehys kuvalta, LeCunin työ on suunniteltu toimimaan korkeammalla abstraktiotasolla, jotta se vastaisi paremmin esineitä ja käsitteitä.
“Tämä on seuraava tekoälyvallankumous”, hän sanoi. “Emme koskaan pääse ihmistason älykkyyteen kouluttamalla LLM:itä tai kouluttamalla heitä pelkällä tekstillä. Tarvitsemme todellista maailmaa.”
Mitä yritys ajattelee?
Hassabis asetti aikajanan aidolle ihmistason AGI:lle “viidestä 10 vuoteen”. Tekoälyyn virtaavat biljoonat dollarit osoittavat kuitenkin, että yritysmaailma ei odota saavansa tietää.
AGI-keskustelu voi olla jokseenkin akateeminen monille yritysjohtajille. Cognizantin toimitusjohtaja Ravi Kumar sanoo, että kiireellisin kysymys on, voivatko yritykset hyödyntää tekoälyn jo tarjoamaa valtavaa arvoa.
Ennen Davosia julkaistun Cognizantin tutkimuksen mukaan nykyinen tekoälyteknologia voisi vapauttaa noin 4,5 biljoonaa dollaria työn tuottavuutta Yhdysvalloissa, jos yritykset pystyvät toteuttamaan sen tehokkaasti.
Mutta Kumar kertoi Fortunelle, että useimmat yritykset eivät olleet vielä tehneet kovaa työtä liiketoimintojensa uudelleenjärjestelyjen tai työvoiman uudelleenkouluttamiseksi hyödyntääkseen tekoälyn potentiaalia.
“Nämä 4,5 biljoonaa dollaria tuottavat todellista arvoa yrityksissä, jos alat ajatella (nykyisten yritysten) uudelleenkeksimistä”, hän sanoi. Hän sanoi, että se vaati myös tekoälyn suorittaman ihmisen työn ja digitaalisen työn “integrointia”.
“Pätevyys ei ole enää toissijainen asia”, hän väitti. “Sen on oltava osa infrastruktuurin tarinaa, jotta voidaan ohjata ihmisiä tulevaisuuteen, luoda korkeampia palkkoja ja ylöspäin sosiaalista liikkuvuutta ja tehdä tästä ponnistelu, joka luo yhteistä vaurautta.”
