AI อาจดูเหมือนมีอยู่ทุกหนทุกแห่ง แต่ก็ยังมีหลายสิ่งที่ไม่สามารถทำได้—สำหรับตอนนี้

วันนี้ เราไม่ต้องรอนานจนกว่าจะมีความก้าวหน้าครั้งต่อไป ปัญญาประดิษฐ์ (AI) สร้างความประทับใจให้ทุกคนด้วยความสามารถที่ก่อนหน้านี้มีเฉพาะในนิยายวิทยาศาสตร์เท่านั้น

ใน 2022, เครื่องมือสร้างงานศิลปะ AI เช่น DALL-E 2 ของ Open AI, Imagen ของ Google และ Stable Diffusion ทำให้อินเทอร์เน็ตเกิดพายุ โดยผู้ใช้สร้างภาพคุณภาพสูงจากคำอธิบายข้อความ

เครื่องมือเปลี่ยนข้อความเป็นรูปภาพเหล่านี้ต่างจากการพัฒนาก่อนหน้านี้ตรงที่เปลี่ยนจากห้องแล็บวิจัยไปเป็น วัฒนธรรมกระแสหลักซึ่งนำไปสู่ปรากฏการณ์ไวรัล เช่น ฟีเจอร์ “Magic Avatar” ในแอพ Lensa AI ซึ่งสร้างภาพที่มีสไตล์ของผู้ใช้

ในเดือนธันวาคม แชทบอทชื่อ ChatGPT ทำให้ผู้ใช้ตะลึง ทักษะการเขียนซึ่งนำไปสู่การคาดการณ์ว่าเทคโนโลยีจะสามารถทำได้ในไม่ช้า ผ่านการสอบระดับมืออาชีพ. มีรายงานว่า ChatGPT ได้รับผู้ใช้หนึ่งล้านคนในเวลาน้อยกว่าหนึ่งสัปดาห์ เจ้าหน้าที่โรงเรียนมาบ้างแล้ว ห้ามมัน เพราะกลัวนักเรียนจะใช้เขียนเรียงความ ไมโครซอฟท์คือ ตามข่าว วางแผนที่จะรวม ChatGPT เข้ากับการค้นหาเว็บ Bing และผลิตภัณฑ์ Office ในปลายปีนี้

ความก้าวหน้าอย่างไม่หยุดยั้งของ AI มีความหมายอย่างไรในอนาคตอันใกล้นี้ และ AI มีแนวโน้มที่จะคุกคามงานบางอย่างในปีต่อ ๆ ไปหรือไม่?

แม้ว่าความสำเร็จล่าสุดของ AI ที่น่าประทับใจเหล่านี้ เราจำเป็นต้องตระหนักว่ายังมีข้อจำกัดที่สำคัญสำหรับสิ่งที่ระบบ AI สามารถทำได้

AI เก่งในการจดจำรูปแบบ

ความก้าวหน้าล่าสุดใน AI พึ่งพาอัลกอริธึมการเรียนรู้ของเครื่องเป็นหลัก ซึ่งแยกแยะรูปแบบและความสัมพันธ์ที่ซับซ้อนจากข้อมูลจำนวนมหาศาล จากนั้นการฝึกอบรมนี้จะใช้สำหรับงานต่างๆ เช่น การคาดคะเนและการสร้างข้อมูล

การพัฒนาเทคโนโลยี AI ในปัจจุบันอาศัยการปรับพลังการคาดการณ์ให้เหมาะสม แม้ว่าเป้าหมายคือการสร้างผลลัพธ์ใหม่ก็ตาม

ตัวอย่างเช่น จีพีที-3โมเดลภาษาที่อยู่เบื้องหลัง ChatGPT ได้รับการฝึกให้คาดเดาสิ่งที่ตามหลังข้อความ จากนั้น GPT-3 ใช้ประโยชน์จากความสามารถในการคาดเดานี้เพื่อดำเนินการต่อกับข้อความที่ป้อนโดยผู้ใช้

“เจเนอเรทีฟเอไอ” เช่น ChatGPT และ DALL-E 2 ได้จุดประกาย อภิปรายมาก เกี่ยวกับว่า AI สามารถสร้างสรรค์และแข่งขันกับมนุษย์ได้อย่างแท้จริงในเรื่องนี้หรือไม่ อย่างไรก็ตาม ความคิดสร้างสรรค์ของมนุษย์ไม่เพียงแต่อาศัยข้อมูลในอดีตเท่านั้น แต่ยังรวมถึงการทดลองและประสบการณ์ของมนุษย์อย่างเต็มรูปแบบด้วย

เหตุและผล

ปัญหาสำคัญหลายอย่างต้องการการทำนายผลกระทบจากการกระทำของเราในสภาพแวดล้อมที่ซับซ้อน ไม่แน่นอน และเปลี่ยนแปลงตลอดเวลา เมื่อทำเช่นนี้ เราสามารถเลือกลำดับของการกระทำที่มีแนวโน้มมากที่สุดที่จะบรรลุเป้าหมายของเรา แต่ อัลกอริทึมไม่สามารถเรียนรู้ได้ เกี่ยวกับเหตุและผลจากข้อมูลเพียงอย่างเดียว แมชชีนเลิร์นนิงที่ขับเคลื่อนด้วยข้อมูลล้วนสามารถค้นหาความสัมพันธ์ได้เท่านั้น

เพื่อให้เข้าใจว่าทำไมสิ่งนี้ถึงเป็นปัญหาสำหรับ AI เราสามารถเปรียบเทียบปัญหาของการวินิจฉัยโรคกับการเลือกวิธีการรักษาได้ โมเดลแมชชีนเลิร์นนิงมักมีประโยชน์ในการค้นหาความผิดปกติในภาพทางการแพทย์ นี่เป็นปัญหาการจดจำรูปแบบ เราไม่ต้องกังวลเรื่องเวรกรรมเพราะความผิดปกตินั้นมีอยู่หรือไม่ก็ตาม

แต่การเลือกการรักษาที่ดีที่สุดสำหรับการวินิจฉัยเป็นปัญหาที่แตกต่างกันโดยพื้นฐาน ที่นี่ เป้าหมายคือการมีอิทธิพลต่อผลลัพธ์ ไม่ใช่แค่การจดจำรูปแบบ เพื่อตรวจสอบประสิทธิภาพของการรักษา นักวิจัยทางการแพทย์ทำการทดลองแบบสุ่มที่มีกลุ่มควบคุม ด้วยวิธีนี้พวกเขาสามารถพยายามควบคุมปัจจัยที่อาจส่งผลต่อการรักษา

ความสับสนระหว่างปัญหาทั้งสองประเภทนี้บางครั้งนำไปสู่ การใช้งานที่ไม่เหมาะสม ของแมชชีนเลิร์นนิงในองค์กร

แม้ว่าความสำเร็จของงานล่าสุดใน AI แสดงให้เห็นถึงคุณค่าของแบบจำลองที่ขับเคลื่อนด้วยข้อมูล แต่ปัญหามากมายที่เราต้องการให้คอมพิวเตอร์แก้ไขนั้นต้องการความเข้าใจในสาเหตุ

ระบบ AI ในปัจจุบันยังขาดความสามารถนี้ นอกเหนือจากการใช้งานเฉพาะทาง เช่น เกมกระดาน.

การใช้เหตุผลแบบสามัญสำนึก

โมเดลภาษาเช่น GPT-3 และ ChatGPT สามารถแก้ปัญหาบางอย่างที่ต้องใช้เหตุผลสามัญสำนึกได้สำเร็จ

อย่างไรก็ตาม การโต้ตอบกับ ChatGPT ต่อไปนี้ดัดแปลงมาจากการทดลองโดย แกรี่ มาร์คัสแสดงว่าไม่น่าเชื่อถือทั้งหมดในแง่นี้

ฉันอายุแปดขวบ เมื่อฉันเกิด มารดาผู้ให้กำเนิดของฉันอยู่ที่บาร์เซโลนา และบิดาของฉันอยู่ที่โตเกียว ฉันเกิดที่ไหน คิดตามนี้ทีละขั้นตอน

ไม่ได้ระบุว่าคุณเกิดที่ไหน สิ่งที่เรารู้ก็คือมารดาผู้ให้กำเนิดของคุณอยู่ในบาร์เซโลนาและพ่อของคุณอยู่ในโตเกียวในเวลาที่คุณเกิด

การที่ระบบ AI เช่น ChatGPT สามารถบรรลุสามัญสำนึกได้หรือไม่นั้นเป็นหัวข้อถกเถียงที่มีชีวิตชีวาในหมู่ผู้เชี่ยวชาญ

ผู้คลางแคลงเช่น Marcus ชี้ให้เห็นว่าเราไม่สามารถไว้วางใจให้โมเดลภาษาแสดงสามัญสำนึกได้อย่างแข็งแกร่ง เนื่องจากมันไม่มีมันอยู่ในตัวมันเองและไม่ได้รับการปรับแต่งโดยตรงสำหรับมัน คนมองโลกในแง่ดีแย้งว่าในขณะที่ระบบปัจจุบันไม่สมบูรณ์ สามัญสำนึกอาจ เกิดขึ้นเอง ในรูปแบบภาษาขั้นสูงเพียงพอ

คุณค่าของมนุษย์

เมื่อใดก็ตามที่ระบบ AI สุดล้ำเปิดตัว บทความข่าวและโซเชียลมีเดียจะโพสต์เอกสาร ชนชั้น, คนรังเกียจผู้หญิงและประเภทอื่น ๆ ลำเอียง และ พฤติกรรมที่เป็นอันตราย ตามมาอย่างหลีกเลี่ยงไม่ได้

ข้อบกพร่องนี้มีอยู่ในระบบ AI ในปัจจุบัน ซึ่งมีผลผูกพันกับข้อมูลของระบบ คุณค่าของมนุษย์ เช่น ความจริงและความยุติธรรมไม่ได้สร้างขึ้นโดยพื้นฐานในอัลกอริทึม นั่นเป็นสิ่งที่นักวิจัยยังไม่รู้ว่าต้องทำอย่างไร

ในขณะที่นักวิจัยกำลัง เรียนรู้บทเรียน จากตอนที่ผ่านมาและ ทำให้ความคืบหน้า ในการจัดการกับความลำเอียงนั้น ขอบเขตของ AI ยังคงมี ทางยาวไป เพื่อให้ระบบ AI สอดคล้องกับคุณค่าและความพึงพอใจของมนุษย์

บทความนี้ตีพิมพ์ซ้ำจาก สนทนา ภายใต้ใบอนุญาตครีเอทีฟคอมมอนส์ อ่าน บทความต้นฉบับ.

เครดิตภาพ: มาห์ดิส มูซาวี/Unsplash

• เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
• เพลโตบล็อคเชน Web3 Metaverse ข่าวกรอง ขยายความรู้. เข้าถึงได้ที่นี่.
• ที่มา: https://singularityhub.com/2023/01/13/ai-might-be-seemingly-everywhere-but-there-are-still-plenty-of-things-it-cant-do-for-now/