Onog trenutka kada se VEŠTAČKA INTELIGENCIJA sretne sa propagandom, niko više nije bezbedan
Sedite u udobnoj stolici pored vatre, u hladnoj zimskoj noći. Možda imate šolju čaja u ruci, možda nešto jače. Otvarate časopis zbog članka koji ste nameravali da pročitate. Naslov je sugerisao priču o obećavajućoj — ali i potencijalno opasnoj — novoj tehnologiji koja je na pragu da postane mejnstrim, a nakon što pročitate samo nekoliko rečenica, naći ćete se uvučeni u priču. Revolucija dolazi u mašinskoj inteligenciji, tvrdi autor, i mi kao društvo treba da budemo bolji u predviđanju njenih posledica. Ali onda se dešava najčudnija stvar: Primećujete da je pisac, naizgled namerno, izostavio poslednju reč.
Reč koja nedostaje skoro nepozvano skače u vašu svest: „poslednja reč prvog pasusa“. U vašem umu nema osećaja unutrašnjeg upita za pretragu; samo iskoči reč „paragraf“. Može izgledati kao nešto druge prirode, ali ova vežba popunjavanja praznine, i ako to uradite, mislite na ugrađene slojeve znanja iza misli. Potrebno vam je poznavanje pravopisa i sintaksičkih obrazaca jezika; morate razumeti ne samo rečničke definicije reči već i načine na koje se one međusobno odnose; morate biti dovoljno upoznati sa visokim standardima izdavanja časopisa da pretpostavite da reč koja nedostaje nije samo greška u kucanju i da urednici generalno ne žele da izostavljaju ključne reči u objavljenim delima osim ako autor ne pokušava da bude pametan – možda pokušava da upotrebite reč koja nedostaje da naglasite svoju pamet, koliko brzo čovek koji govori određeni jezik može da dočara pravu reč.
Pre nego što budete mogli dalje da se bavite tom idejom, vratili ste se u članak, gde ste otkrili da vas je autor odveo u kompleks zgrada u predgrađu Ajove. Unutar jedne od zgrada nalazi se čudo moderne tehnologije: 285.000 CPU jezgara spojenih u jedan džinovski superkompjuter, napajan solarnim nizovima i hlađen industrijskim ventilatorima. Mašine nikada ne spavaju: Svake sekunde svakog dana, one se bave bezbrojnim proračunima, koristeći najsavremenije tehnike u mašinskoj inteligenciji koje nose nazive kao što su „stohastički gradijentni pad“ i „konvolucione neuronske mreže“. Veruje se da je ceo sistem jedan od najmoćnijih superkompjutera na planeti.
I šta, možete pitati, radi ovaj kompjuterski dinamo sa svim tim neverovatnim resursima? Uglavnom se igra neka vrsta igre, iznova i iznova, milijarde puta u sekundi. A igra se zove: Pogodi koja je reč koja nedostaje.
Kompleks superkompjutera u Ajovi pokreće program kreiran od strane OpenAI, organizacije koju je krajem 2015. osnovala mala grupa istraživača iz Silicijumske doline, uključujući Ilona Maska; Greg Brockmana, koji je donedavno bio glavni tehnološki direktor kompanije Stripe za elektronsko plaćanje; i Sem Altmana, u to vreme predsednik start-ap inkubatora Y Combinator. U prvih nekoliko godina, dok je gradio svoj programski mozak, tehnička dostignuća OpenAI-a su uglavnom bila u senci zvezdane moći njegovih osnivača. Ali to se promenilo u leto 2020, kada je OpenAI počeo da nudi ograničen pristup novom programu pod nazivom Generative Pre-Trained Transformer 3, koji se kolokvijalno naziva GPT-3. Iako je platforma u početku bila dostupna samo maloj grupi programera, primeri GPT-3 neobične veštine sa jezikom — i barem iluzija spoznaje — počeli su da kruže širom veba i društvenih medija. Siri i Alexa su popularizovali iskustvo razgovora sa mašinama, ali ovo je bilo na sledećem nivou, približavajući se tečnosti koja je ličila na kreacije iz naučne fantastike kao što je HAL 9000 iz „2001“: kompjuterski program koji može savršeno da odgovori na složena pitanja otvorenog tipa uz perfektno sastavljene rečenice.
Kao polje, A.I. trenutno je fragmentisan na niz različitih pristupa, usmerenih na različite vrste problema. Neki sistemi su optimizovani za probleme koji uključuju kretanje kroz fizički prostor, kao u automobilima koji se sami voze ili robotici; drugi kategorišu fotografije za vas, identifikujući poznata lica ili kućne ljubimce ili aktivnosti na odmoru. Neki oblici A.I. — poput AlphaFold-a, projekta podružnice Alphabet-a (bivši Google) DeepMind — počinju da se bave složenim naučnim problemima, poput predviđanja strukture proteina, što je centralno za dizajn i otkrivanje lekova. Mnogi od ovih eksperimenata dele osnovni pristup poznat kao „duboko učenje“, u kome neuronska mreža nejasno modelirana po strukturi ljudskog mozga uči da identifikuje obrasce ili rešava probleme kroz beskonačno ponavljane cikluse pokušaja i grešaka, jačajući neuronske veze i slabljenje drugih kroz proces poznat kao obuka. „Dubina“ dubokog učenja odnosi se na više slojeva veštačkih neurona u neuronskoj mreži, slojeva koji odgovaraju višim nivoima apstrakcije: U modelu zasnovanom na viziji, na primer, sloj neurona može da otkrije vertikalne linije , koje bi zatim uneo u sloj koji detektuje ivice fizičkih struktura, pa bi zatim izveštavao o sloju koji identifikuje kuće za razliku od stambenih zgrada.
GPT-3 pripada kategoriji dubokog učenja poznatog kao veliki jezički model, složena neuronska mreža koja je obučena na ogromnom skupu podataka teksta: u slučaju GPT-3, otprilike 700 gigabajta podataka izvučenih sa celog veba, uključujući Vikipediju, dopunjenu velikom kolekcijom tekstova iz digitalizovanih knjiga. GPT-3 je najslavniji od velikih jezičkih modela i najdostupniji, ali Google, Meta (ranije poznat kao Facebook) i DeepMind su razvili sopstvene L.L.M.-e poslednjih godina. Napredak u računarskoj snazi – i nove matematičke tehnike – omogućili su L.L.M.-ima GPT-3 starine da unesu daleko veće skupove podataka od svojih prethodnika i koriste mnogo dublje slojeve veštačkih neurona za svoju obuku.
Šanse su da ste već imali interakciju sa velikim jezičkim modelom ako ste ikada koristili aplikaciju — kao što je Gmail — koja uključuje funkciju automatskog dovršavanja reči, nežno vas pozivajući rečju „attend“ nakon što unesete rečenicu „Nažalost, pobedio sam „ne mogu da….“ Ali autodovršavanje je samo najosnovniji izraz onoga za šta je sposoban softver poput GPT-3. Ispostavilo se da sa dovoljno podataka o obuci i dovoljno dubokim neuronskim mrežama, veliki jezički modeli mogu pokazati izuzetnu veštinu ako ih zamolite ne samo da popune reč koja nedostaje, već i da nastave sa pisanjem celih pasusa u stilu početnog upita. Na primer, kada sam dao GPT-3 upit:
Godine 1958. Frenk Rozenblat je predstavio Perceptron, ranu verziju neuronske mreže koja je mogla da detektuje samo lokaciju kvadrata na štampanoj kartici. Pedeset godina kasnije, neuronske mreže su sposobne za…
Softver je poslušno dovršio misao, a zatim nastavio dalje, uzimajući u obzir istorijski okvir početnog teksta:
…otkrivanje i klasifikovanje lica, pronalaženje obrazaca u podacima i oponašanje ljudskog mozga. Dok je neuronska mreža sazrevala u akademskim krugovima, takođe je našla svoj put u tehnološkoj industriji. Kasnih 1980-ih i ranih 90-ih, neuronske mreže su korišćene u aplikacijama za prepoznavanje govora i karaktera. Rast računarske snage i mogućnost prikupljanja većih skupova podataka omogućili su pojavu drugih aplikacija neuronskih mreža.
Od objavljivanja GPT-3, internet je bio preplavljen primerima jezive mogućnosti softvera u manipulaciji sa jezikom — zajedno sa njegovim slepim tačkama i nedostacima i drugim zlokobnijim tendencijama. GPT-3 je obučen da piše holivudske scenarije i komponuje nefikciju u stilu novog novinarskog klasika Gej Talesea „Frenk Sinatra je prehlađen.“ Možete koristiti GPT-3 kao simuliranog gospodara tamnice, koji vodi složene avanture zasnovane na tekstu kroz svetove koje u hodu izmišlja neuronska mreža. Drugi su postavljali softverska uputstva koja generišu očigledno uvredljive ili obmanjujuće odgovore, pokazujući ograničenja modela i njegov potencijal štete ako se široko usvoji u svom trenutnom stanju.
Do sada su eksperimenti sa velikim jezičkim modelima uglavnom bili to: eksperimenti koji su ispitivali model u potrazi za znakovima istinske inteligencije, istražujući njenu kreativnu upotrebu, razotkrivajući predrasude. Ali krajnji komercijalni potencijal je ogroman. Ako se postojeća putanja nastavi, softver poput GPT-3 mogao bi da revolucioniše način na koji tražimo informacije u narednih nekoliko godina. Danas, ako imate komplikovano pitanje o nečemu — kako da podesite sistem kućnog bioskopa, recimo, ili koje su opcije za kreiranje obrazovnog fonda 529 za svoju decu — najverovatnije ćete ukucati nekoliko ključnih reči u Gugl, a zatim pregledati listu linkova ili predloženih video snimaka na YouTube-u, pregledavajući sve da biste došli do tačnih informacija koje tražite. (Nepotrebno je reći da ne biste ni pomislili da zamolite Siri ili Aleksu da vas provedu kroz nešto ovako složeno.) Ali ako su istinski vernici GPT-3 u pravu, u bliskoj budućnosti ćete samo pitati L.L.M. pitanje i dobićete odgovor, uverljivo i tačno. Korisnička služba bi mogla biti potpuno transformisana: Svaka kompanija sa proizvodnjom koja trenutno zahteva ljudski tim za tehničku podršku mogla bi da obuči L.L.M. da ih zameni.
MARIO ZNA i DAMNJAN KNEŽEVIĆ- UDARNO- Evo šta će se desiti ukoliko Vučić uvede SANKCIJE RUSIJI
