Η έκθεση του Stanford για την τεχνητή νοημοσύνη βρίσκει την ακμάζουσα βιομηχανία σε σταυροδρόμι

Η έκθεση του Stanford για την τεχνητή νοημοσύνη βρίσκει την ακμάζουσα βιομηχανία σε σταυροδρόμι

Χρονική σήμανση: 15 Απριλίου 2024 4:48 μ.μ.
Η έκθεση του Stanford για την τεχνητή νοημοσύνη βρίσκει την άνθηση της βιομηχανίας σε ένα σταυροδρόμι της PlatoBlockchain Data Intelligence. Κάθετη αναζήτηση. Ολα συμπεριλαμβάνονται.

Το Ινστιτούτο Στάνφορντ για την Ανθρωποκεντρική Τεχνητή Νοημοσύνη (HAI) εξέδωσε την έβδομη ετήσια Έκθεσή του για τον δείκτη τεχνητής νοημοσύνης, η οποία αναφέρει μια ακμάζουσα βιομηχανία που αντιμετωπίζει αυξανόμενο κόστος, κανονισμούς και ανησυχία του κοινού.

Η σελίδα 502 αναφέρουν [PDF] προέρχεται από τον ακαδημαϊκό χώρο και τη βιομηχανία – η διευθύνουσα επιτροπή του HAI διευθύνεται από τον συνιδρυτή της Anthropic, Jack Clark, και τον Ray Perrault, επιστήμονα υπολογιστών στο Κέντρο Τεχνητής Νοημοσύνης της SRI International – και επομένως δεν ασχολείται πολύ με το burn-it- επιχειρήματα με φωτιά.

Σε αυτό το σημείο, η αναφορά ορίζει το απόρρητο έτσι ώστε τα άτομα να έχουν το δικαίωμα να συναινούν σε μεγάλα γλωσσικά μοντέλα (LLM) που χρησιμοποιούν τα δεδομένα τους. Ωστόσο, δεν προτείνει οι εταιρείες τεχνητής νοημοσύνης να εγκαταλείψουν τα υπάρχοντα μοντέλα επειδή κατασκευάστηκαν χωρίς άδεια. Υποδηλώνει διαφάνεια, παρά μετάνοια.

«Η απόκτηση γνήσιας και ενημερωμένης συναίνεσης για τη συλλογή δεδομένων εκπαίδευσης είναι ιδιαίτερα δύσκολη με τα LLM, τα οποία βασίζονται σε τεράστιο όγκο δεδομένων», αναφέρει η έκθεση. «Σε πολλές περιπτώσεις, οι χρήστες δεν γνωρίζουν πώς χρησιμοποιούνται τα δεδομένα τους ή την έκταση της συλλογής τους. Ως εκ τούτου, είναι σημαντικό να διασφαλιστεί η διαφάνεια σχετικά με την πρακτική συλλογής δεδομένων».

Το αποτέλεσμα πολλών εκκρεμών αγωγών, όπως η υπόθεση έναντι του Copilot του GitHub, θα μπορούσε να σημαίνει ότι η διαφάνεια δεν είναι αρκετή, ότι τα δεδομένα εκπαίδευσης AI απαιτούν ρητή άδεια και ίσως απαγορευτικές πληρωμές.

Αλλά αν υποθέσουμε ότι η τεχνητή νοημοσύνη είναι εδώ για να μείνει και πρέπει να ληφθεί υπόψη στην τρέχουσα μορφή της, η έκθεση καταφέρνει να υπογραμμίσει την υπόσχεση και τον κίνδυνο της αυτοματοποιημένης λήψης αποφάσεων.

«Αποστολή μας είναι να παρέχουμε αμερόληπτα, αυστηρά ελεγμένα, ευρέως προερχόμενα δεδομένα, προκειμένου οι υπεύθυνοι χάραξης πολιτικής, οι ερευνητές, τα στελέχη, οι δημοσιογράφοι και το ευρύ κοινό να αναπτύξουν μια πιο διεξοδική και λεπτή κατανόηση του πολύπλοκου τομέα της τεχνητής νοημοσύνης», εξηγεί η έκθεση.

Μερικά από τα κορυφαία ευρήματα της έκθεσης δεν προκαλούν ιδιαίτερη έκπληξη, όπως «Η τεχνητή νοημοσύνη νικά τους ανθρώπους σε ορισμένες εργασίες, αλλά όχι σε όλες» και «η βιομηχανία συνεχίζει να κυριαρχεί στη συνοριακή έρευνα τεχνητής νοημοσύνης».

Για το τελευταίο σημείο, η έκθεση αναφέρει ότι η βιομηχανία παρήγαγε 51 αξιόλογα μοντέλα μηχανικής μάθησης, σε σύγκριση με 15 από τον ακαδημαϊκό χώρο και 21 από συνεργασίες βιομηχανίας-ακαδημαϊκών.

Ενώ τα κλειστά μοντέλα (π.χ. GPT-4, Gemini) ξεπέρασαν τα μοντέλα ανοιχτού κώδικα σε ένα σύνολο 10 σημείων αναφοράς AI, τα μοντέλα ανοιχτού κώδικα γίνονται όλο και πιο κοινά. Από τα 149 μοντέλα θεμελίωσης που κυκλοφόρησαν το 2023, το 65.7 τοις εκατό ήταν ανοιχτού κώδικα, σε σύγκριση με 44.4 τοις εκατό το 2022 και 33.3 τοις εκατό το 2021.

Το αν αυτή η τάση συνεχίζεται μπορεί να σχετίζεται με ένα άλλο κορυφαίο εύρημα: «Τα μοντέλα με τα σύνορα γίνονται πολύ πιο ακριβά». Δηλαδή, τα μοντέλα ανοιχτού κώδικα φαίνεται απίθανο να γίνουν πιο ανταγωνιστικά με τους ανταγωνιστές τους κλειστού κώδικα, εάν το κόστος εκπαίδευσης ενός μοντέλου τεχνητής νοημοσύνης αιχμής γίνει κάτι που μόνο οι καλά χρηματοδοτούμενοι μπορούν να σκεφτούν.

«Σύμφωνα με εκτιμήσεις του AI Index, το διάμεσο κόστος της εκπαίδευσης μοντέλων τεχνητής νοημοσύνης στα σύνορα σχεδόν διπλασιάστηκε τον τελευταίο χρόνο», αναφέρει η έκθεση. «Το κόστος εκπαίδευσης των μοντέλων τελευταίας τεχνολογίας έχει φτάσει ιδιαίτερα σε πρωτοφανή επίπεδα. Για παράδειγμα, το GPT-4 του OpenAI χρησιμοποίησε υπολογισμούς αξίας 78 εκατομμυρίων δολαρίων για την εκπαίδευση, ενώ το Gemini Ultra της Google κόστισε 191 εκατομμύρια δολάρια για υπολογισμό».

Υπάρχει ήδη κάποια αμφιβολία ότι η τεχνητή νοημοσύνη αξίζει τα χρήματα. Μια μελέτη Ιανουαρίου από το MIT CSAIL, το MIT Sloan, το The Productivity Institute και το Institute for Business Value της IBM Βρέθηκαν ότι «είναι μόνο οικονομικά λογικό να αντικατασταθεί η ανθρώπινη εργασία με τεχνητή νοημοσύνη σε περίπου το ένα τέταρτο των θέσεων εργασίας όπου η όραση είναι βασικό συστατικό της εργασίας». Και μια πρόσφατη Wall Street Journal αναφέρουν δείχνει ότι οι εταιρείες τεχνολογίας δεν έχουν βρει απαραίτητα τρόπο να αποδώσουν τις επενδύσεις σε τεχνητή νοημοσύνη.

Εξ ου και όλα τα πρόσθετες χρεώσεις για υπηρεσίες επαυξημένες με AI.

Όταν εξετάζονται παράλληλα με άλλα ευρήματα της έκθεσης HAI, όπως «Στις ΗΠΑ, οι κανονισμοί για την τεχνητή νοημοσύνη αυξάνονται απότομα», η εκπαίδευση μοντέλων τεχνητής νοημοσύνης φαίνεται πιθανό να γίνει ακόμη πιο εντάσεως κεφαλαίου. Στις ΗΠΑ πέρυσι, αναφέρει η έκθεση, υπήρχαν 25 κανονισμοί που σχετίζονται με την τεχνητή νοημοσύνη – από έναν το 2016 – και αυτοί θα επιφέρουν πρόσθετο κόστος.

Ένα άλλο εύρημα που μπορεί να οδηγήσει σε περισσότερους κανονισμούς, και συνεπώς σε κόστος συμμόρφωσης, είναι ο τρόπος με τον οποίο αισθάνονται οι άνθρωποι για την τεχνητή νοημοσύνη. «Οι άνθρωποι σε όλο τον κόσμο είναι πιο ενήμεροι για τον πιθανό αντίκτυπο της τεχνητής νοημοσύνης – και πιο νευρικοί», αναφέρει η έκθεση. Αναφέρει αύξηση στον αριθμό των ανθρώπων που πιστεύουν ότι η τεχνητή νοημοσύνη θα επηρεάσει τη ζωή τους τα επόμενα τρία έως πέντε χρόνια (66 τοις εκατό, αύξηση έξι ποσοστιαίες μονάδες) και στον αριθμό των ανθρώπων που είναι νευρικοί για την τεχνητή νοημοσύνη (52 τοις εκατό, αύξηση 13 τοις εκατό σημεία).

Μια περαιτέρω πιθανή πηγή προβλημάτων για τις εταιρείες τεχνητής νοημοσύνης προέρχεται από την έλλειψη προτύπων αξιολόγησης για LLMs, μια κατάσταση που επιτρέπει στις εταιρείες τεχνητής νοημοσύνης να επιλέγουν τα δικά τους σημεία αναφοράς για δοκιμές. «Αυτή η πρακτική περιπλέκει τις προσπάθειες συστηματικής σύγκρισης των κινδύνων και των περιορισμών των κορυφαίων μοντέλων τεχνητής νοημοσύνης», αναφέρει η έκθεση.

Η έκθεση HAI υποστηρίζει ότι η τεχνητή νοημοσύνη ενισχύει την παραγωγικότητα των εργαζομένων και επιταχύνει την επιστημονική πρόοδο, επικαλούμενη το GNoME του DeepMind, «που διευκολύνει τη διαδικασία ανακάλυψης υλικών».

Ενώ ο αυτοματισμός AI έχει αποδειχθεί ότι ενισχύει την παραγωγικότητα σε συγκεκριμένες εργασίες, η χρησιμότητά του ως πηγή ιδεών παραμένει θέμα συζήτησης. Οπως εμείς αναφερθεί Πρόσφατα, εξακολουθεί να υπάρχει κάποιος σκεπτικισμός σχετικά με την αξία των προβλέψεων με τη βοήθεια AI για βιώσιμα νέα υλικά, για παράδειγμα.

Όπως και να έχει, γίνονται μεγάλα στοιχήματα στο AI. Οι επενδύσεις γενετικής τεχνητής νοημοσύνης οκταπλασιάστηκαν, από 3 δισεκατομμύρια δολάρια το 2022 σε 25.2 δισεκατομμύρια δολάρια το 2023. Και οι ΗΠΑ είναι επί του παρόντος η κορυφαία πηγή συστημάτων τεχνητής νοημοσύνης, με 61 αξιοσημείωτα μοντέλα τεχνητής νοημοσύνης το 2023, έναντι 21 από την Ευρωπαϊκή Ένωση και 15 από την Κίνα.

«Η τεχνητή νοημοσύνη αντιμετωπίζει δύο αλληλένδετα μέλλοντα», γράφουν οι Clark και Perrault. «Πρώτον, η τεχνολογία συνεχίζει να βελτιώνεται και χρησιμοποιείται όλο και περισσότερο, έχοντας σημαντικές συνέπειες για την παραγωγικότητα και την απασχόληση. Μπορεί να χρησιμοποιηθεί τόσο σε καλή όσο και σε κακή χρήση. Στο δεύτερο μέλλον, η υιοθέτηση της τεχνητής νοημοσύνης περιορίζεται από τους περιορισμούς της τεχνολογίας».

Μέσα στα επόμενα χρόνια, θα πρέπει να δούμε ποιο από αυτά τα δύο μέλλοντα θα κυριαρχήσει. ®

Σφραγίδα ώρας:

Περισσότερα από Το μητρώο