AI có thể dường như ở khắp mọi nơi, nhưng vẫn còn nhiều thứ mà nó không thể làm được—hiện tại

Ngày nay, chúng ta không phải đợi lâu cho đến bước đột phá tiếp theo trong trí tuệ nhân tạo gây ấn tượng với mọi người bằng những khả năng trước đây chỉ có trong khoa học viễn tưởng.

Trong 2022, Công cụ tạo nghệ thuật AI chẳng hạn như Open AI's DALL-E 2, Google's Imagen và Stable Diffusion đã gây bão trên internet, với việc người dùng tạo ra hình ảnh chất lượng cao từ các mô tả văn bản.

Không giống như những phát triển trước đây, những công cụ chuyển văn bản thành hình ảnh này nhanh chóng tìm được đường đi từ phòng thí nghiệm nghiên cứu đến văn hóa chính thống, dẫn đến các hiện tượng lan truyền như tính năng “Hình đại diện ma thuật” trong ứng dụng AI của Lensa, tính năng tạo ra hình ảnh cách điệu của người dùng.

Vào tháng XNUMX, một chatbot có tên ChatGPT đã khiến người dùng choáng váng với khả năng của nó. kỹ năng viết, dẫn đến dự đoán công nghệ sẽ sớm có thể vượt qua kỳ thi chuyên nghiệp. ChatGPT được cho là đã đạt được một triệu người dùng trong vòng chưa đầy một tuần. Một số quan chức nhà trường đã cấm nó vì sợ sinh viên sẽ sử dụng nó để viết bài luận. Microsoft là báo cáo dự định kết hợp ChatGPT vào tìm kiếm web Bing và các sản phẩm Office vào cuối năm nay.

Tiến bộ không ngừng trong AI có ý nghĩa gì trong tương lai gần? Và liệu AI có khả năng đe dọa một số công việc trong những năm tiếp theo?

Bất chấp những thành tựu AI ấn tượng gần đây, chúng ta cần nhận ra rằng vẫn còn những hạn chế đáng kể đối với những gì hệ thống AI có thể làm.

AI vượt trội ở khả năng nhận dạng mẫu

Những tiến bộ gần đây về AI chủ yếu dựa vào các thuật toán máy học giúp phân biệt các mẫu và mối quan hệ phức tạp từ lượng dữ liệu khổng lồ. Quá trình đào tạo này sau đó được sử dụng cho các nhiệm vụ như dự đoán và tạo dữ liệu.

Sự phát triển của công nghệ AI hiện tại dựa vào việc tối ưu hóa khả năng dự đoán, ngay cả khi mục tiêu là tạo ra đầu ra mới.

Ví dụ, GPT-3, mô hình ngôn ngữ đằng sau ChatGPT, đã được đào tạo để dự đoán nội dung theo sau một đoạn văn bản. Sau đó, GPT-3 tận dụng khả năng dự đoán này để tiếp tục nhập văn bản do người dùng cung cấp.

“AI thế hệ mới” như ChatGPT và DALL-E 2 đã xuất hiện nhiều tranh luận về việc liệu AI có thể thực sự sáng tạo và thậm chí là đối thủ của con người về mặt này hay không. Tuy nhiên, sự sáng tạo của con người không chỉ dựa trên dữ liệu trong quá khứ mà còn dựa trên thử nghiệm và toàn bộ trải nghiệm của con người.

Nhân quả

Nhiều vấn đề quan trọng đòi hỏi phải dự đoán tác động của hành động của chúng ta trong môi trường phức tạp, không chắc chắn và thay đổi liên tục. Bằng cách này, chúng ta có thể chọn chuỗi hành động có nhiều khả năng đạt được mục tiêu của mình nhất. Nhưng mà thuật toán không thể học về nguyên nhân và ảnh hưởng chỉ từ dữ liệu. Học máy hoàn toàn dựa trên dữ liệu chỉ có thể tìm thấy mối tương quan.

Để hiểu tại sao đây là một vấn đề đối với AI, chúng ta có thể so sánh các vấn đề chẩn đoán tình trạng y tế với việc lựa chọn phương pháp điều trị. Các mô hình học máy thường hữu ích cho việc tìm kiếm những điểm bất thường trong hình ảnh y tế; đây là một vấn đề nhận dạng mẫu. Chúng ta không cần lo lắng về quan hệ nhân quả vì những bất thường đã có sẵn hoặc chưa.

Nhưng việc lựa chọn phương pháp điều trị tốt nhất cho chẩn đoán là một vấn đề khác về cơ bản. Ở đây, mục tiêu là tác động đến kết quả chứ không chỉ nhận ra một khuôn mẫu. Để xác định hiệu quả của một phương pháp điều trị, các nhà nghiên cứu y tế tiến hành các thử nghiệm ngẫu nhiên có đối chứng. Bằng cách này, họ có thể cố gắng kiểm soát bất kỳ yếu tố nào có thể ảnh hưởng đến việc điều trị.

Sự nhầm lẫn giữa hai loại bài toán này đôi khi dẫn đến ứng dụng dưới mức tối ưu của học máy trong các tổ chức.

Mặc dù thành công của công việc gần đây về trí tuệ nhân tạo chứng minh giá trị của các mô hình dựa trên dữ liệu, nhưng nhiều vấn đề chúng ta muốn máy tính giải quyết đòi hỏi sự hiểu biết về quan hệ nhân quả.

Các hệ thống AI hiện tại thiếu khả năng này, ngoài các ứng dụng chuyên biệt như bảng trò chơi.

Lý luận thông thường

Các mô hình ngôn ngữ như GPT-3 và ChatGPT có thể giải quyết thành công một số nhiệm vụ yêu cầu suy luận thông thường.

Tuy nhiên, tương tác sau đây với ChatGPT, phỏng theo một thử nghiệm của Gary Marcus, cho thấy nó không hoàn toàn đáng tin cậy về mặt này.

Tôi năm nay tám tuổi. Khi tôi sinh ra, mẹ ruột của tôi ở Barcelona và bố tôi ở Tokyo. Tôi được sinh ra ở đâu? Hãy suy nghĩ thông qua điều này từng bước một.

Nó không được đề cập đến nơi bạn được sinh ra. Tất cả những gì chúng tôi biết là mẹ ruột của bạn ở Barcelona và bố bạn ở Tokyo vào thời điểm bạn sinh ra.

Liệu các hệ thống AI như ChatGPT có thể đạt được ý thức chung hay không là một chủ đề tranh luận sôi nổi giữa các chuyên gia.

Những người hoài nghi như Marcus chỉ ra rằng chúng ta không thể tin tưởng các mô hình ngôn ngữ sẽ hiển thị mạnh mẽ lẽ thường vì chúng không được tích hợp sẵn cũng như không được tối ưu hóa trực tiếp cho nó. Những người lạc quan lập luận rằng trong khi các hệ thống hiện tại không hoàn hảo, lẽ thường có thể tự nhiên xuất hiện trong các mô hình ngôn ngữ đủ tiên tiến.

Giá trị con người

Bất cứ khi nào các hệ thống AI đột phá được phát hành, các bài báo và bài đăng trên phương tiện truyền thông xã hội sẽ ghi lại phân biệt chủng tộc, phân biệt giới tínhvà các loại khác của có thành kiến và hành vi có hại tất yếu đi theo.

Lỗ hổng này cố hữu đối với các hệ thống AI hiện tại, chắc chắn sẽ phản ánh dữ liệu của chúng. Các giá trị của con người như sự thật và sự công bằng về cơ bản không được tích hợp vào các thuật toán; đó là điều mà các nhà nghiên cứu chưa biết cách thực hiện.

Trong khi các nhà nghiên cứu đang học các bài học từ các tập trước và tiến bộ trong việc giải quyết sự thiên vị, lĩnh vực AI vẫn có một con đường dài để đi để điều chỉnh mạnh mẽ các hệ thống AI với các giá trị và sở thích của con người.

Bài viết này được tái bản từ Conversation theo giấy phép Creative Commons. Đọc ban đầu bài viết.

Ảnh: Mahdis Mousavi/Bapt

• Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
• Platoblockchain. Web3 Metaverse Intelligence. Khuếch đại kiến ​​thức. Truy cập Tại đây.
• nguồn: https://singularityhub.com/2023/01/13/ai-might-be-seemingly-everywhere-but-there-are-still-plenty-of-things-it-cant-do-for-now/