Το μοντέλα που κατανοούν πως λειτουργεί ο κόσμος ενδέχεται να είναι το επόμενο στάδιο εξέλιξης της Τεχνητής Νοημοσύνης, σύμφωνα με την νέα έκθεση του Global Institute της Goldman Sachs.
Πρόκειται για μια νέα κατηγορία μοντέλων, η οποία είναι γνωστή ως«μοντέλα κατανόησης του κόσμου», με τους συντάκτες της έκθεσης να χαρακτηρίζουν την εμφάνιση τους ως μια σιωπηλή αλλά καθοριστική αλλαγή στον τρόπο με τον οποίο οι μηχανές αποκτούν νοημοσύνη.
Είναι γνωστό σε όλους μας πως τα τελευταία χρόνια, η Τεχνητή Νοημοσύνη έχει καθοριστεί από τα μεγάλα γλωσσικά μοντέλα (LLM), τα οποία αναγνωρίζουν πρότυπα. Τα συγκεκριμένα μοντέλα είναι ιδιαίτερα ισχυρά στην ολοκλήρωση προτύπων, αλλά στερούνται της εσωτερικής αίσθησης του κόσμου που περιγράφουν αυτά τα πρότυπα.
Για την ακρίβεια, ανταποκρίνονται αποτελεσματικά σε ερωτήματα, αλλά δυσκολεύονται να συλλογιστούν τις συνέπειες ή να λειτουργήσουν αξιόπιστα σε περιβάλλοντα όπου τα λάθη έχουν κόστος. Αυτός ο περιορισμός γίνεται ολοένα και πιο εμφανής καθώς τα συστήματα αυτά επεκτείνονται πέρα από το κείμενο.
Για παράδειγμα, όταν καλούνται να ελέγξουν ρομπότ, να διαχειριστούν ολόκληρες εφοδιαστικές αλυσίδες ή να συντονίσουν σύνθετες επιχειρησιακές ροές εργασίας, η πρόβλεψη από μόνη της αποδεικνύεται ανεπαρκής. Η νοημοσύνη, σε αυτό το πλαίσιο, δεν απαιτεί μόνο συσχετισμούς. Απαιτεί και ένα εσωτερικό μοντέλο για το πώς λειτουργεί ο κόσμος.
Κατά συνέπεια, οι συντάκτες της έκθεσης εκτιμούν ότι η επόμενη φάση εξέλιξης της Τεχνητής Νοημοσύνης ενδέχεται να βασιστεί λιγότερο από μεγάλα γλωσσικά μοντέλα και περισσότερο στα συστήματα που μπορούν να προσομοιώνουν την πραγματικότητα, να δοκιμάζουν ενέργειες πριν τις υλοποιήσουν και να συλλογίζονται τις συνέπειες.
Πού υστερούν τα μεγάλα γλωσσικά μοντέλα
Τα δύο αυτά είδη μοντέλων έχουν μερικές ουσιαστικές διαφορές μεταξύ τους. Π.χ. ένα LLM μπορεί να εξάγει όρους (covenants) από μια στοίβα συμβάσεων δανείων ή να συντάξει ένα σημείωμα προς την επενδυτική επιτροπή.
Από την άλλη, ένα μοντέλο φυσικού κόσμου μπορεί να προσομοιώσει πώς μια περίοδος τυφώνων μεταβάλλει την κατανομή ζημιών σε ένα χαρτοφυλάκιο αντασφάλισης. Επίσης, ένα μοντέλο κοινωνικού κόσμου μπορεί να προβλέψει πώς ένα πολιτικό σοκ διαχέεται στις αγορές και στη συμπεριφορά.
Με άλλα λόγια, αντί να ζητούν από τα μοντέλα να απαντούν απλώς σε ερωτήματα, οι ερευνητές δημιουργούν εσωτερικές αναπαραστάσεις του κόσμου ώστε να μπορούν να εκτελούν προσομοιώσεις μέσα σε αυτές. Αυτά τα λεγόμενα world models επιτρέπουν στα συστήματα να «φαντάζονται» αποτελέσματα πριν προβούν σε μια ενέργεια. Εκτελούν νοητικά πειράματα. Δοκιμάζουν πιθανότητες. Θα μπορούσε κανείς να το περιγράψει ως μια πρωτόλεια μορφή μηχανικής πρόβλεψης του μέλλοντος.
Τι καινούργιο φέρνουν τα «μοντέλα κατανόησης του κόσμου»
Ωστόσο, ο όρος «world model» κρύβει μια σημαντική διάκριση. Υπάρχουν δύο είδη κόσμων που η Τεχνητή Νοημοσύνη μαθαίνει να μοντελοποιεί. Ο ένας είναι ο φυσικός κόσμος της βαρύτητας, της τριβής, της θερμότητας και των δυνάμεων.
Ο άλλος είναι ένας εικονικός ή κοινωνικός κόσμος, αποτελούμενος από πολλαπλούς αλληλεπιδρώντες «δρώντες» με στόχους, μνήμες και περιορισμούς. Ο καθένας από αυτούς δείχνει προς ένα διαφορετικό πεδίο εξέλιξης. Μαζί, υποδηλώνουν μια βαθύτερη μετατόπιση στο πώς ορίζεται η νοημοσύνη.
Με απλά λόγια, ένα μοντέλο κατανόησης του κόσμου λειτουργεί ως εσωτερικός προσομοιωτής — επιτρέπει σε ένα σύστημα να θέτει επανειλημμένα ένα απλό ερώτημα: «Αν κάνω αυτό, τι θα συμβεί στη συνέχεια;» Άλλωστε, οι άνθρωποι λειτουργούν έχοντας διαρκώς αυτό το ένστικτο.
Μέχρι πρόσφατα, οι μηχανές δεν μπορούσαν να το κάνουν αυτό αποτελεσματικά. Το να εκπαιδεύσεις ένα ρομπότ να αναγνωρίζει ένα φλιτζάνι είναι εύκολο. Το να το εκπαιδεύσεις όμως να το σηκώσει χωρίς να το σπάσει είναι δύσκολο. Για δεκαετίες, τα ρομπότ λειτουργούσαν καλύτερα σε ελεγχόμενα περιβάλλοντα, απομονωμένα από την απρόβλεπτη πραγματικότητα του ανθρώπινου κόσμου. Ακόμη και σήμερα, τα ρομπότ σε αποθήκες κινούνται σε χαρτογραφημένους, εν μέρει κανονιστικά ορισμένους χώρους.
Τα μοντέλα φυσικού κόσμου υπόσχονται κάτι πιο φιλόδοξο: συστήματα που μπορούν να διαχειριστούν τον αδόμητο, πραγματικό κόσμο. Αντί να μαθαίνουν μόνο μέσω δοκιμής και λάθους στον πραγματικό κόσμο, τα μοντέλα φυσικού κόσμου επιτρέπουν στις μηχανές να μαθαίνουν τους κανόνες που τον διέπουν. Απορροφούν τη λογική της φυσικής, της θερμοδυναμικής, της ρευστοδυναμικής και της επιστήμης των υλικών. Επίσης, εξασκούνται μέσα σε προσομοιώσεις που προσεγγίζουν αρκετά την πραγματικότητα ώστε να έχουν ουσιαστική αξία.
Αξίζει να σημειωθεί πως αυτά τα μοντέλα αποτελούνται από ψηφιακά περιβάλλοντα που κατοικούνται από πολλαπλούς πράκτορες Τεχνητής Νοημοσύνης (AI agents). Κάθε πράκτορας διαθέτει στόχους, μνήμη και ικανότητα συλλογισμού.
Οι πρακτικές εφαρμογές είναι ήδη ορατές. Πολλές εταιρείες και κυβερνήσεις χρησιμοποιούν πολυπροσωπικές προσομοιώσεις για να δοκιμάσουν στρατηγικές πριν τις εφαρμόσουν.
Πώς θα επηρεαστούν οι επενδύσεις
Παρόλα αυτά, οι απαιτήσεις και οι ευκαιρίες που σχετίζονται με τα μοντέλα κατανόησης του κόσμου δεν αποτυπώνονται ακόμη στις κυρίαρχες προβλέψεις προσφοράς και ζήτησης για υποδομές ΤΝ, οι οποίες σήμερα επικεντρώνονται κυρίως σε LLMs βασισμένα σε αρχιτεκτονικές transformer.
Ως εκ τούτου οι συντάκτες της έκθεσης προβλέπουν ότι βραχυπρόθεσμα, οι επενδύσεις στα μοντέλα κατανόησης του κόσμου είναι πιθανό να παραμείνουν ένα μικρό μέρος της συνολικής δαπάνης για την Τεχνητή Νοημοσύνη, ιδιαίτερα δεδομένης της σημερινής κατάστασης και του ρυθμού εμπορικής υιοθέτησης των LLMs.
Όμως, αυτό που έχει μεγαλύτερη σημασία είναι η μετέπειτα πορεία: καθώς αυτά τα συστήματα ανοίγουν και επιταχύνουν ένα ευρύ φάσμα νέων δυνατοτήτων σε προσομοίωση, ρομποτική, αυτόνομα συστήματα και στρατηγικό σχεδιασμό, οι συνολικές απαιτήσεις σε υπολογιστική ισχύ ενδέχεται να ξεπεράσουν τις τρέχουσες προβλέψεις.
Τέλος, οι συντάκτες της έκθεσης εκτιμούν ότι εάν αυτή η μετάβαση πραγματοποιηθεί, θα αναδιαμορφώσει την ίδια τη βιομηχανία. Το ανταγωνιστικό πλεονέκτημα ενδέχεται να μην εξαρτάται μόνο από το ποιος εκπαιδεύει το μεγαλύτερο μοντέλο, αλλά και από το ποιος κατασκευάζει τις πιο πιστές προσομοιώσεις της πραγματικότητας - φυσικής, κοινωνικής και οικονομικής. Γι’ αυτό τα μοντέλα κατανόησης του κόσμου αποτελούν κάτι περισσότερο από μια τεχνική εξέλιξη.
Για την ακρίβεια, φαίνεται να υποδηλώνουν μια βαθύτερη αλλαγή στο τι είναι η Τεχνητή Νοημοσύνη και στο πόσο ριζικά μπορεί να αναδιαμορφώσει τις αποφάσεις που καθορίζουν τη σύγχρονη ζωή.