V katero ulico drvimo?
V razvoj umetne inteligence se vlagajo nepredstavljive količine denarja, ki bi morale zelo kmalu prinesti v vseh ozirih pametnejši stroj od človeka. Večji in sposobnejši modeli, hitrejši in zmogljivejši čipi, bogatejši in globlji žepi. Le kaj bi lahko preprečilo domala neizogiben triumf umetne inteligence?
Pri človeku in številnih živalih ubere levi rekurentni laringealni živec nenavadno pot. Oživčuje mišice v grlu, a se namesto po najkrajši poti vije pod aortnim lokom. Pri žirafah dosega komične dolžine, saj meri do pet metrov, ko poteka od možganov po vratu do srca in nazaj do grla. Opravlja svojo funkcijo, a težko bi ga označili kot anatomsko elegantno rešitev.
Ta živec se pogosto predstavi kot dokaz ali posledica evolucije. V morskih prednikih današnjih kopenskih četveronožcev je tekel od možganov mimo srca do škrg. Evolucija je na kopnem namesto škrg razvila pljuča, glava se je ločila od telesa, pojavil se je vrat. Živec pa je vztrajal, ker je svojo funkcijo solidno opravljal, zato evolucija ni izumljala novega. Z daljšanjem vrata se je živec le daljšal.
Tudi moderna tehnologija se pogosto razvija podobno, kot se plazi in ne skače evolucija. Napredek je često inkrementalno izboljševanje obstoječega. Zlasti kadar ima neka tehnologija potencial in se vanjo začno zlivati stotine milijard dolarjev, je radikalen preskok težko pričakovati. Včasih je to dobro, spet drugič nekoliko manj. Seveda govorimo o umetni inteligenci v zadnjih letih.
Nihče ne skriva, da je cilj razvoj splošne umetne inteligence (SUI, angleško AGI), ki bi zmogla vse, kar znajo ljudje, in še več, le da bolje in učinkoviteje. Vse od Googlovega izuma transformerjev pred dobrimi osmimi leti in še zlasti po velikem uspehu velikih jezikovnih modelov (LLM) se zdi, da je to edina zveličavna pot naprej, pravzaprav edina mogoča. Praktično vse današnje financiranje generativne umetne inteligence temelji na teh pristopih, dasiravno to ni edina mogoča pot.
Medtem ko se v medijih in javnosti pomisleki nanašajo predvsem na upravičenost visokih borznih tečajev tehnoloških velikanov in uresničljivost smelih napovedi o vseh mogočih koristih umetne inteligence v vsakdanjem življenju, se vprašajmo o prislovični košari z vsemi jajci. Kaj, če so LLM odlična tehnologija za razvoj besedilnih pomočnikov, orodij za iskanje in povzemanje, morda celo reševanje matematičnih nalog in pomoč pri raziskovanju, a v temelju nezmožni SUI?
Ob trenutnem navdušenju nad LLM in stotinah milijard dolarjev si je težko predstavljati razvoj umetne inteligence s povsem nove podstati. V nekaterih laboratorijih posamezni strokovnjaki iz gole radovednosti počno tudi to, saj alternativne zamisli obstajajo, a tehnološki velikani so prepričani, da je odgovor več istega: boljši čipi, večji modeli, več denarja. Za zdaj je ta pristop deloval, čeprav ugotavljajo, da je nekaj deset ali sto milijard parametrov v modelih LLM zgornja meja smiselnosti.
Izboljševanje trenutnih modelov prinaša prednosti. Že danes imajo manj halucinacij kot lani, slikanje jim gre neprimerno bolje, odgovori so preprosto bolj človeški in točni. Ali bodo tovrstne izboljšave naposled omogočile SUI, pa ni gotovo. Pomanjkljiva notranja predstavitev vzrokov in posledic oziroma nezmožnost modeliranja sveta, ki je posledica omejenosti na vzorce besedil ali večpredstavnostnih vsebin, je resen pomislek o izvedljivosti SUI. Današnji modeli prepoznavajo vzorce, ki so jih že videli.
Že pred dvema letoma je Nobelov nagrajenec, Googlov Demis Hassabis, poudaril, da zgolj več moči ne more biti odgovor; potrebovali bomo še kaj drugega, ne le več čipov.
Tu se ne sprašujemo, ali je umetna inteligenca prenapihnjena (hype) in ali bo njena uporabnost v prihodnosti manj izrazita od trenutnih napovedi, torej ali bomo zgrmeli v znamenito luknjo na Gartnerjevi krivulji in končali na platoju, nižjem od današnjih pričakovanj. Sprašujemo se, ali silna vlaganja v današnje implementacije umetne inteligence nemara oddaljujejo pravo SUI. Sprašujemo se, ali zavijamo v slepo ulico.
Ne bi bilo prvič. Po prvih uspehih na področju umetne inteligence v 60. letih je izdatno financiranje sredi 70. let usahnilo, ko je napredek zastal. Zima je trajala do 80. let, ko so veliko pričakovali od okrepitvenega učenja. Sledila je druga zima, odjugo sta prinesla veliko podatkovje in globoko učenje. Sodobna era transformerjev je še bistveno bolj nabita s pričakovanji od prejšnjih, raziskave bolj usmerjene, potrebna računska moč pa eksponentno naraščajoča.
Tudi nekateri strokovnjaki so izrazili pomisleke. Yann LeCun, nekdanji vodja UI pri Meti, je aprila dejal, da so LLM le distrakcija in slepa ulica, ki ne bo pripeljala do SUI. Že pred dvema letoma je Nobelov nagrajenec, Googlov Demis Hassabis, poudaril, da zgolj več moči ne more biti odgovor; potrebovali bomo še kaj drugega, ne le več čipov. Navsezadnje ni vsa sodobna umetna inteligenca LLM, saj so Nobelovo nagrado za kemijo (med njimi Hassabis) prejeli ustvarjalci umetnointeligenčnega AlphaFolda, ki ni LLM. Tehnološki velikani pa vlagajo predvsem vanje.
Morda bo z LLM ali drugimi pristopi vendarle moč doseči SUI in se bodo pomisleki izkazali za neutemeljene. Nemara pa bomo čez 20 let imeli vrhunske strojne slikarje in pisatelje, ki bodo še vedno zgolj računsko požrešni obrtniki in ne avtorji ali celo umetniki. Svet bo tedaj precej manj drugačen, kot upamo danes, saj izumljamo žirafe z dolgim vratom in ne kiborgov. Evolucija je optimizirala za preživetje, ne optimalnega rezultata. Kapital ni tako zelo drugačen.
