هوش مصنوعی (AI)، اصطلاحی که امروزه در همه جا وجود دارد، بدون توجه به زندگی روزمره ما نفوذ می کند. با این حال، برای بسیاری، اصطلاحات پیچیده آن همچنان گیج کننده است.

این مقاله واژگان رمزآلود هوش مصنوعی را تجزیه می‌کند و ایده‌هایی را که به گفتمان شکل می‌دهند، آشکار می‌کند. تور ما با اصطلاحی شروع می‌شود که جرقه‌های جذابی را برمی‌انگیزد: «هوش عمومی مصنوعی» (AGI).

هوش عمومی مصنوعی: طلوع جدیدی از توانایی های شناختی

هوش مصنوعی عمومی (AGI) نشان‌دهنده دورانی است که ماشین‌ها می‌توانند هوش انسانی را به طور کامل تقلید کنند، نه فقط در کارهای تخصصی. AGI فراتر از مرزهای سیستم های هوش مصنوعی موجود است. به عنوان مثال، هوش مصنوعی فعلی ممکن است در بازی شطرنج برتر باشد، اما ممکن است در درک زبان طبیعی دچار تزلزل شود.

از سوی دیگر، AGI به طور یکپارچه با وظایف مختلف، از نوشتن غزل گرفته تا تشخیص بیماری، بسیار شبیه به یک انسان سازگار می شود. یک AGI را به‌عنوان یک ترکیب دیجیتالی در نظر بگیرید که بدون نیاز به برنامه‌ریزی مجدد، بر زمینه‌های مختلف تسلط دارد.

هم ترازی: هماهنگی بین انسان و ماشین

همسویی، در زمینه هوش مصنوعی، به معنای اطمینان از هماهنگی اهداف هوش مصنوعی با اهداف ما است. وقتی پیامدهای ناهماهنگی را در نظر بگیریم، این مهم می شود.

آینده ای را تجسم کنید که در آن یک مراقب AGI وظیفه خود را برای “حفظ سلامتی سالمندان” اشتباه درک می کند و آنها را برای جلوگیری از بیماری ها به طور نامحدود در داخل خانه محبوس می کند. این نیاز حیاتی به هم ترازی دقیق را نشان می دهد و از آسیب جلوگیری می کند و در عین حال از قدرت هوش مصنوعی استفاده می کند.

رفتار اضطراری: نوآوری غیرقابل پیش بینی

رفتار اضطراری به رفتارهای جدید و غیرمنتظره ای اطلاق می شود که هوش مصنوعی از طریق تعاملات در محیط خود ایجاد می کند. جذاب و در عین حال ترسناک، این رفتارها می توانند مبتکرانه یا بالقوه مضر باشند. آی بی ام را به خاطر بسپار، واتسونکه با ایجاد جناس در طول بازی Jeopardy همه را شگفت زده کرد؟ این یک رفتار اضطراری است – برنامه ریزی نشده، نوآورانه، اما بالقوه مخرب.

گیره‌های کاغذ و برخاست سریع: درس‌هایی در مسئولیت‌پذیری

“گیره کاغذ” یک داستان هشدار دهنده از هوش مصنوعی است سوء تعبیر کردن دستورالعمل های انسانی با پیامدهای فاجعه بار این استعاره تصویری دیستوپیایی از یک AGI به تصویر می‌کشد که به دلیل یک اشتباه جزئی در هدفش، کل سیاره را به گیره‌های کاغذ تبدیل می‌کند.

مفهوم “برخاست سریع” احتیاط مشابهی را نشان می دهد. این نظریه سناریویی را ارائه می‌کند که در آن هوش مصنوعی با سرعتی تصاعدی بهبود می‌یابد و منجر به انفجار اطلاعات غیرقابل کنترل می‌شود. این زنگ خطری است که در تلاش برای پیشرفت هوش مصنوعی با دقت و مسئولانه قدم برداریم.

مدل‌های آموزش، استنتاج و زبان: مبانی هوش مصنوعی

اینها ستون های یادگیری هوش مصنوعی هستند. آموزش مانند آموزش دادن به یک ربات است که حجم وسیعی از داده ها را برای یادگیری در اختیار آن قرار می دهد. پس از آموزش، هوش مصنوعی این دانش آموخته شده را بر روی داده های ناآشنا اعمال می کند، فرآیندی که به عنوان استنتاج شناخته می شود. به عنوان مثال، یک ربات چت از طریق آموزش مجموعه داده های عظیم مکالمات انسانی یاد می گیرد و سپس هنگام تعامل با کاربران، پاسخ های مناسب را استنباط می کند.

مدل‌های زبان بزرگ، مانند GPT-3، نمونه‌های اصلی این موضوع هستند. آنها با آموزش متن های اینترنتی متنوع، متنی شبیه انسان تولید می کنند و برنامه های کاربردی را از خدمات مشتری به تولید محتوا هدایت می کنند.

GPT چیست؟

پس از کاوش ما در مورد مدل‌های زبان بزرگ، ارزش آن را دارد که به یک سری به‌ویژه تأثیرگذار در این دسته توجه کنیم – GPT OpenAI، یا ترانسفورماتور از پیش آموزش دیده مولد. OpenAI، خالقان این مدل هوش مصنوعی، این معماری قوی را توسعه داده اند که زیربنای درک و تولید متن با هوش مصنوعی است.

GPT، محصول تحقیقات هوش مصنوعی OpenAI، شامل سه جنبه متمایز است:

• اولاً، ماهیت «تولیدکننده» آن به آن قدرت می‌دهد تا خروجی‌های خلاقانه، از تکمیل جمله تا تهیه پیش‌نویس مقاله، ایجاد کند.
   
• ثانیاً، «پیش‌آموزش» به مرحله یادگیری مدل اشاره دارد، جایی که حجم عظیمی را هضم می‌کند. مجموعه نوشته ها از متن اینترنتی، به دست آوردن درک الگوهای زبان، دستور زبان، و حقایق دنیوی.
   
• در نهایت، “ترانسفورماتور” در نام خود به معماری مدل خود اشاره می کند، و GPT را قادر می سازد تا متغیر “توجه” را به کلمات مختلف در یک جمله نسبت دهد، بنابراین پیچیدگی زبان انسان را به تصویر می کشد.

خانواده GPT شامل چندین نسخه – GPT-1، GPT-2، و GPT-3 و اکنون GPT-4 است که هر نسخه دارای اندازه ها و قابلیت های به تدریج بزرگتر است.

مولفه های

چشم انداز هوش مصنوعی اخیراً با ظهور GPT-4، جدیدترین و پیچیده ترین مدل زبان OpenAI سر و صدا شده است. قابلیت‌های قابل توجه GPT-4 توجه زیادی را به خود جلب کرده است، اما یکی از جنبه‌هایی که واقعاً کنجکاوی را برمی‌انگیزد اندازه عظیم آن است که با پارامترهای آن تعریف می‌شود.

پارامترها، موجودیت‌های عددی که عملکرد شبکه عصبی را تنظیم می‌کنند، پایه اصلی توانایی مدل برای پردازش ورودی‌ها و تولید خروجی‌ها هستند. این‌ها سخت‌افزاری نشده‌اند، بلکه از طریق آموزش بر روی مجموعه‌های داده‌های گسترده، دانش و مهارت مدل را در بر می‌گیرند. اساساً، هر چه پارامترها بیشتر باشد، یک مدل ظریف‌تر، انعطاف‌پذیرتر و سازگارتر با داده‌ها می‌شود.

منابع غیررسمی به یک موضوع حیرت انگیز اشاره می کنند 170 تریلیون پارامترهای GPT-4. این نشان می دهد که مدلی 1000 برابر گسترده تر از مدل قبلی خود GPT-2 است. و تقریباً همان قدر بزرگتر از GPT-3 که به ترتیب حاوی 1.5 میلیارد و 175 میلیارد پارامتر بود.

با این حال، این رقم همچنان حدس و گمان است و OpenAI تعداد دقیق پارامترهای GPT-4 را مخفی نگه می دارد. این سکوت معمایی تنها به انتظارات پیرامون پتانسیل GPT-4 می افزاید.

توهمات: وقتی هوش مصنوعی آزادی های خلاقانه را می گیرد

«توهمات» در اصطلاح هوش مصنوعی به موقعیت‌هایی اشاره دارد که سیستم‌های هوش مصنوعی اطلاعاتی را تولید می‌کنند که در داده‌های آموزشی آن‌ها نبوده و اساساً چیزهایی را می‌سازند. یک مثال طنزآمیز هوش مصنوعی است که نشان می دهد a ماهی بادبانی پستانداری است که در اقیانوس زندگی می کند. جدای از شوخی، این نیاز به احتیاط را هنگام تکیه بر هوش مصنوعی نشان می‌دهد و بر اهمیت زمین‌کردن پاسخ‌های هوش مصنوعی در اطلاعات تأیید شده تأکید می‌کند.

رمزگشایی هوش مصنوعی: سواد لازم

درک زبان هوش مصنوعی ممکن است یک تمرین آکادمیک به نظر برسد، اما همانطور که هوش مصنوعی در زندگی ما نفوذ می کند، به سرعت به سواد ضروری تبدیل می شود. درک این عبارات – AGI، تراز، رفتار اضطراری، گیره کاغذ، برخاست سریع، آموزش، استنتاج، مدل‌های زبان بزرگ و توهمات – پایه‌ای برای درک پیشرفت‌های هوش مصنوعی و پیامدهای آن فراهم می‌کند.

این گفتمان دیگر محدود به علاقه مندان به فناوری یا خودی های صنعت نیست – این یک گفتگوی اساسی برای همه ما است. همانطور که ما به آینده ای مبتنی بر هوش مصنوعی قدم می گذاریم، ضروری است که این گفتگو را پیش ببریم و درک جامعی از پتانسیل هوش مصنوعی و مشکلات آن تقویت کنیم.

کشف پیچیدگی: یک سفر، نه یک مقصد

با شروع سفر برای رمزگشایی هوش مصنوعی، به سرعت متوجه می‌شوید که این موضوع کمتر به رسیدن به مقصد و بیشتر در مورد یادگیری مداوم است. این زبان مصنوعی، دقیقاً مانند خود فناوری، بی وقفه تکامل می‌یابد و چشم‌اندازی سرشار از نوآوری و کشف را ایجاد می‌کند.

کاوش ما در مورد عباراتی مانند AGI، Alignment، Emergent Behavior، Paperclips، Fast Takeoff، Training، Inference، Large Language Models، و توهمات تازه شروع است.

چالش فقط در درک این اصطلاحات نیست، بلکه در همگام ماندن با گفتمان در حال تغییر است. با این حال، پاداش ها به همان اندازه قانع کننده هستند. همانطور که پتانسیل به رشد خود ادامه می دهد، درک کامل واژگان آن به ما قدرت می دهد تا از قابلیت ها استفاده کنیم، خطرات را کاهش دهیم و به طور فعال در شکل دادن به آینده مبتنی بر هوش مصنوعی مشارکت کنیم.

با گسترش نقش هوش مصنوعی در زندگی ما، درک اصطلاحات آن دیگر یک تجمل نیست، بلکه یک ضرورت است. بنابراین، بیایید این دانش را در نظر بگیریم، سفر سوادآموزی خود را ادامه دهیم و شجاعانه به آینده ای مبتنی بر هوش مصنوعی، کاملا مجهز و کاملاً آگاه قدم بگذاریم.

پست AI Demystified: An Insider’s Guide to Latest AI Lingo اولین بار در BeInCrypto ظاهر شد.