Vještačka inteligencija (AI) se brzo razvija, s naglaskom na napredovanje generativne AI iznad tradicionalnih mjerenja poput Turingovog testa. Iako je Turingov test već nadmašen, sve je veća zabrinutost da su današnji modeli AI dizajnirani više da nadmaše ove standardne testove nego da istraže istinske inovativne sposobnosti. Ovaj pomak u razvoju AI-a izazvao je diskusiju o tome kako AI treba da se razvija kako bi postala adaptivnija i inteligentnija.
Problemi sa trenutnim modelima AI: Ograničeni podaci i statički razvoj
Stručnjaci iz DeepMind-a tvrde da pravi izazov u današnjoj AI nije u testovima, već u uskom pristupu razvoju modela. Prema mišljenju DeepMind-a, podaci koji se koriste za treniranje ovih sistema su previše ograničeni i statični, što sprečava razvoj naprednijih i dinamičnijih sposobnosti. Bez promjena u načinu treniranja AI-a, ovi modeli će ostati ograničeni na rješavanje unaprijed definisanih problema, čime će se ograničiti njihov potencijal za prekretnice u inovacijama.
U nedavnom radu koji je objavio DeepMind, a koji će biti predstavljen u nadolazećoj knjizi MIT Press-a, istraživači David Silver i Richard Sutton tvrde da AI sistemi moraju razviti sposobnost sticanja iskustava. Umjesto da se oslanjaju na statičke skupove podataka, AI treba da bude u mogućnosti da interaguje sa svijetom i oblikuje vlastite ciljeve na osnovu signala iz okruženja, čime bi se otključale nove sposobnosti.
Učeći kroz iskustvo: Ključ za otključavanje punog potencijala AI
Silver i Sutton, obojica legende u oblasti AI, naglašavaju značaj učenja kroz iskustvo u budućnosti vještačke inteligencije. U svom radu pod nazivom „Dobrodošli u eru iskustva“, oni tvrde:
“Nevjerovatne nove sposobnosti će se pojaviti kada se potencijal učenja kroz iskustvo potpuno iskoristi.”
David Silver je najpoznatiji po tome što je vodio razvoj AlphaZero, DeepMind-ovog AI sistema koji je pobijedio ljudske šampione u igrama poput šaha i Go. Richard Sutton, dobitnik Turingove nagrade, jedan je od osnivača učenja putem pojačanja, metodologije koju je Silverov tim koristio za razvoj AlphaZero-a. Zajedno, oni predlažu novi pristup zasnovan na učenju putem pojačanja i lekcijama naučenim iz uspjeha AlphaZero-a.
Njihov novi metod, nazvan “streaming”, ima za cilj da prevaziđe ograničenja današnjih velikih jezičkih modela (LLM) poput ChatGPT-a. Za razliku od trenutnih modela koji su dizajnirani da odgovaraju na ljudska pitanja, “streaming” bi omogućio AI da interaguje sa svojim okruženjem, autonomno stiče znanje i prilagođava se novim scenarijima.
Generativna AI i Učenje putem pojačanja: Šta je u opasnosti?
Pomak od učenja putem pojačanja ka generativnoj AI poput ChatGPT-a donio je i prednosti i nedostatke. S jedne strane, generativna AI je omogućila fleksibilniju interakciju, omogućavajući AI-u da odgovara na širok spektar novih ljudskih upita. Generativni modeli nisu vezani za unaprijed definisana pravila, što ih čini svestranim i sposobnim za rukovanje raznim nestrukturiranim zadacima.
S druge strane, pomak od učenja putem pojačanja doveo je do značajnog gubitka, tvrde Silver i Sutton. Napuštanjem učenja putem pojačanja, modeli AI su izgubili svoju sposobnost da samostalno otkriju nova znanja i strategije. Umjesto toga, LLM-ovi se u velikoj mjeri oslanjaju na ljudski input kroz upite, što ograničava njihov rast i potencijal.
Budućnost AI: Otključavanje samostalnog otkrića znanja
Silver i Sutton tvrde da budućnost AI leži u pomjeranju granica ljudskih ciljeva. Usvajanjem pristupa koji naglašava učenje kroz iskustvo, AI bi mogla razviti sposobnost da samostalno prepozna bolje strategije i sposobnosti koje nisu bile unaprijed programirane ili prepoznate od strane ljudskih evaluatora.
Kako AI nastavlja da se razvija, prihvatanje učenja putem pojačanja i učenja kroz iskustvo biće ključno za stvaranje zaista autonomnih, inteligentnih sistema. Ovaj pomak mogao bi dovesti do revolucionarnih napredaka u sposobnosti AI-a da rešava složene probleme, inovira nezavisno i prilagođava se novim izazovima.
Put naprijed za vještačku inteligenciju
Da bi se zaista otključao pun potencijal AI, stručnjaci poput Silvera i Suttona smatraju da AI modeli moraju evoluirati izvan statičkih skupova podataka i ciljeva koje određuju ljudi. Uključivanjem učenja kroz iskustvo i korišćenjem učenja putem pojačanja, AI bi mogla razviti nove, nepredviđene sposobnosti, stvarajući pametnije, prilagodljivije sisteme.
Kako AI nastavlja da sazrijeva, kombinacija generativne AI i učenja kroz iskustvo vjerovatno će definisati novu generaciju inteligentnih sistema, postavljajući osnove za neviđene napretke u tehnologiji. Budućnost AI nije samo u prolasku testova, već u učenju, adaptaciji i stvaranju novih mogućnosti kroz interakciju sa svijetom.
