ბოლო თვეებში უამრავი საინტერესო, კვლევაზე ორიენტირებული AI ლაბორატორია გამოჩნდა, მათ შორის ერთ-ერთი ყველაზე გამორჩეულია „ფლაპინგ ეარპლეინსი“ (Flapping Airplanes). მისი ახალგაზრდა და ცნობისმოყვარე დამფუძნებლების მიერ წახალისებული, „ფლაპინგ ეარპლეინსი“ ფოკუსირებულია AI-ს ვარჯიშის ნაკლებად მონაცემებზე ორიენტირებული გზების მოძიებაზე. ეს პოტენციურად გარდამტეხი მომენტია ხელოვნური ინტელექტის მოდელების ეკონომიკისა და შესაძლებლობებისთვის – და $180 მილიონი საწყისი დაფინანსებით, მათ საკმარისი რესურსი ექნებათ ამის განსახორციელებლად. გასულ კვირას ვესაუბრე ლაბორატორიის სამ თანადამფუძნებელს – ძმებ ბენ და ეშერ სპექტორებს, და აიდან სმიტს – იმის შესახებ, თუ რატომ არის ეს ამაღელვებელი მომენტი ახალი AI ლაბორატორიის დასაწყებად და რატომ უბრუნდებიან ისინი მუდმივად ადამიანის ტვინის შესახებ იდეებს. დასაწყისისთვის მინდა გკითხოთ, რატომ ახლა? ისეთმა ლაბორატორიებმა, როგორიცაა OpenAI და DeepMind, უზარმაზარი თანხები დახარჯეს თავიანთი მოდელების მასშტაბირებაზე. დარწმუნებული ვარ, კონკურენცია საშიშად გეჩვენებათ. რატომ იგრძენით, რომ ეს კარგი მომენტი იყო ფუნდამენტური მოდელების კომპანიის დასაარსებლად? ბენი: გასაკეთებელი უამრავია. ბოლო ხუთიდან ათ წელში მიღწეული პროგრესი სანახაობრივი იყო. ჩვენ გვიყვარს ეს ხელსაწყოები. მათ ყოველდღიურად ვიყენებთ. მაგრამ კითხვა ისაა, ეს არის თუ არა ყველაფერი, რაც უნდა მოხდეს? ჩვენ ეს ძალიან ფრთხილად განვიხილეთ და ჩვენი პასუხი იყო – არა, გასაკეთებელი გაცილებით მეტია. ჩვენს შემთხვევაში, ვფიქრობდით, რომ მონაცემთა ეფექტურობის პრობლემა მართლაც მთავარი საკითხი იყო, რომელსაც ყურადღება უნდა მივაქციოთ. არსებული მოწინავე მოდელები ადამიანის ცოდნის მთლიანობაზე ვარჯიშობენ, ადამიანებს კი, აშკარად, გაცილებით ნაკლებით შეუძლიათ ფუნქციონირება. ასე რომ, აქ დიდი სხვაობაა და ღირს ამის გაგება. რასაც ჩვენ ვაკეთებთ, მართლაც სამ რამეზე კონცენტრირებული ფსონია. ეს არის ფსონი, რომ მონაცემთა ეფექტურობის პრობლემა არის მნიშვნელოვანი საკითხი. ეს მართლაც ახალი და განსხვავებული მიმართულებაა, რომელშიც პროგრესის მიღწევა შესაძლებელია. ეს არის ფსონი, რომ ეს ძალიან კომერციულად ღირებული იქნება და მსოფლიოს უკეთეს ადგილად აქცევს, თუ ამას შევძლებთ. და ეს ასევე ფსონია, რომ ამის გასაკეთებლად სწორი გუნდი კრეატიული და ზოგიერთ ასპექტში გამოუცდელი გუნდია, რომელსაც შეუძლია ამ პრობლემებს თავიდან, ფუნდამენტურად შეხედოს. აიდანი: დიახ, რა თქმა უნდა. ჩვენ თავს ნამდვილად არ ვთვლით სხვა ლაბორატორიებთან კონკურენტებად, რადგან ვფიქრობთ, რომ ჩვენ სრულიად განსხვავებულ პრობლემებს ვუყურებთ. თუ ადამიანის გონებას შევხედავთ, ის სწავლობს წარმოუდგენლად განსხვავებული გზით ტრანსფორმატორებისგან (transformers). და ეს იმას არ ნიშნავს, რომ უკეთესად, უბრალოდ ძალიან განსხვავებულად. ამიტომ, ჩვენ ვხედავთ ამ განსხვავებულ კომპრომისებს. დიდი ენობრივი მოდელებს (LLMs) აქვთ დაუჯერებელი უნარი, დაიმახსოვრონ და გამოიყენონ ცოდნის დიდი სიგანე, მაგრამ მათ არ შეუძლიათ ახალი უნარების სწრაფად ათვისება. ადაპტაციისთვის უბრალოდ უზარმაზარი რაოდენობის მონაცემებია საჭირო. და როდესაც ტვინში ჩაიხედავთ, ხედავთ, რომ ალგორითმები, რომლებსაც ის იყენებს, ფუნდამენტურად განსხვავდება გრადიენტული დაღმასვლისგან (gradient descent) და ზოგიერთი იმ ტექნიკისგან, რომლებსაც ადამიანები დღეს AI-ს ვარჯიშისთვის იყენებენ. სწორედ ამიტომ ვქმნით მკვლევრების ახალ თაობას, რათა ამ პრობლემებს შევხედოთ და AI სივრცეზე განსხვავებულად ვიფიქროთ. ეშერი: ეს კითხვა უბრალოდ მეცნიერულად იმდენად საინტერესოა: რატომ არის ჩვენ მიერ შექმნილი ინტელექტუალური სისტემები ასეთი განსხვავებული იმისგან, რასაც ადამიანები აკეთებენ? საიდან მოდის ეს განსხვავება? როგორ შეგვიძლია გამოვიყენოთ ამ განსხვავების ცოდნა უკეთესი სისტემების შესაქმნელად? მაგრამ ამავე დროს, ასევე ვფიქრობ, რომ ეს რეალურად ძალიან კომერციულად სიცოცხლისუნარიანი და მსოფლიოსთვის ძალიან კარგია. ბევრი მნიშვნელოვანი რეჟიმი ასევე ძლიერად შეზღუდულია მონაცემებით, როგორიცაა რობოტიკა ან მეცნიერული აღმოჩენები. თუნდაც საწარმოს აპლიკაციებში, მოდელი, რომელიც მილიონჯერ უფრო მონაცემთა ეფექტურია, ალბათ მილიონჯერ უფრო ადვილია ეკონომიკაში ინტეგრირება. ასე რომ, ჩვენთვის ძალიან ამაღელვებელი იყო ამ მიდგომებისთვის ახალი პერსპექტივით შეხედვა და ფიქრი, თუ მართლა გვქონდა მოდელი, რომელიც გაცილებით უფრო მონაცემთა ეფექტურია, რას შევძლებდით მასთან ერთად? ეს მიგვიყვანს ჩემს შემდეგ კითხვამდე, რომელიც ასევე გარკვეულწილად უკავშირდება სახელს, Flapping Airplanes (ფლაპინგ ეარპლეინსი). AI-ში არსებობს ფილოსოფიური კითხვა იმის შესახებ, თუ რამდენად ვცდილობთ ხელახლა შევქმნათ ის, რასაც ადამიანები აკეთებენ თავიანთ ტვინში, ან შევქმნათ უფრო აბსტრაქტული ინტელექტი, რომელიც სრულიად განსხვავებულ გზას ადგას. აიდანი Neuralink-იდან მოდის, რომელიც სრულად ადამიანის ტვინზეა ორიენტირებული. საკუთარ თავს AI-ს უფრო ნეირომორფული ხედვის მიმდევრად მიიჩნევთ? აიდანი: ტვინს მე აღვიქვამ, როგორც არსებობის მტკიცებულებას. ჩვენ მას ვხედავთ, როგორც მტკიცებულებას იმისა, რომ არსებობენ სხვა