Мир реальности
имеет свои пределы;
мир воображения безграничен.
Жан-Жак Руссо
Продолжим разговор об общем ИИ (AGI). Далее в сюжете будем понимать под AGI компьютерные системы, которые способны воспроизводить когнитивные способности человека. Это не цифровая экосистема, в которой LLM и интегрированные с ней ИИ-агенты решают большинство практических задач, ранее решавшихся человеком.
С такой экосистемой на концептуальном уровне все более-менее понятно. Она технологически развивает революционные процессы, запущенные в 2022 году. Генеративный ИИ будет все лучше решать все более широкий круг задач. Он несет миру трансформацию практически во всех сферах человеческой жизнедеятельности, многочисленные возможности и не менее многочисленные риски и угрозы.
Об этом мы будем говорить в трех последних частях книги.
Тем не менее любознательное человечество никогда не оставит попытки получить полноценный AGI в самом широком смысле этого термина. Ученые, исследователи и эксперты в области ИИ смотрят на задачу создания общего (в смысле – сильного) ИИ, как на экзистенциональный вызов.
Обычные люди смотрят на происходящее как зрители захватывающего фантастического блокбастера. С полной уверенностью, что все обойдется и ничего плохого с нами не случится. Если честно, мы тоже верим, что человечество способно справиться с вызовами и выйти из всех цивилизационных тупиков. Иначе вряд ли бы взялись за написание серии книг «Цифра на марше».
После этого короткого отступления вернемся к путям создания AGI.
Сразу отметим, что практически закрыт путь эмерджентного получения AGI через простое масштабирование LLM. Об этом в первый год революции генеративного ИИ любили говорить некоторые эксперты ИИ-отрасли во главе с лидером OpenAI Сэмом Альтманом. Они утверждали, что по мере увеличения числа параметров у LLM появятся неожиданные (эмерджентные) способности, которые приблизят генеративный ИИ к полноценному AGI.
О тщетности подобных надежд на масштабирование LLM мы уже писали. Уткнувшись в порог вычислительной сложности, исследователи предложили иную архитектуру – MoE. В ней LLM – не единая нейросеть с сотней миллиардов параметров, а совокупность нейросетей-экспертов, интегрированных в единое комплексное решение. Нейросеть-эксперт – это мини-LLM, отвечающая за решение определенного круга задач. Слово «мини» условно, так как речь все равно идет о десятках миллиардах параметров для каждой нейросети.
Поэтому обратимся к иным подходам к созданию AGI.
Первый подход связан с крупномасштабным моделированием человеческого мозга. Это подход принципиально отличается от похода, который выбрали разработчики LLM, хотя и там и там используются нейросети.
Нейросети в LLM имитируют функции человеческого мозга, а не работу самого мозга. Даже на уровне теоретической модели они принципиально отличаются от нейронной сети мозга.
... читайте сюжет в полной версии