Sat-Multimedia & IT portal Satelitska-IPTV-Multimedija od 2006
.” Akademik je govorio o budućnosti inteligentnih sustava Brz razvoj tehnologija umjetne inteligencije (AI) i njihova primjena u najrazličitijim područjima glavni je tehnološki trend u odlazećoj godini. Polazište je bilo pokretanje ChatGPT chatbota u studenom 2022.
Autor razgovora: Vladislav Strekopytov (https://ria.ru/)
Prilagodio: Darko Brlečić
Značaj ovog događaja mnogi uspoređuju s pojavom interneta i mobitela. Stručnjak u području računalnih i upravljačkih sustava, akademik Ruske akademije znanosti Igor Kalyaev, govorio je u intervjuu za RIA Novosti o tome zašto nema smisla stvarati tehnički model ljudskog mozga i prijelaz na “jake ” AI je moguć samo pomoću superračunala koja rade na kvalitativno novim principima. Sveruska škola o umjetnoj inteligenciji i velikim podacima za studente i mlade znanstvenike, koja je održana krajem studenog u Nacionalnom centru za fiziku i matematiku (NCFM) u Sarovu .
Igor Anatolyevich Kalyaev – supredsjedavajući smjerova NCFM-a “Nacionalni centar za istraživanje arhitektura superračunala” i “Umjetna inteligencija i veliki podaci u tehničkim, industrijskim, prirodnim i društvenim sustavima”, akademik Ruske akademije znanosti
Igore Anatoljeviču, vi ste supredsjedavajući dvaju znanstvenih smjerova NCFM-a: “Nacionalnog centra za proučavanje arhitektura superračunala” u sklopu kojeg se stvara fotonsko računalo i “Umjetna inteligencija i veliki podaci u tehničkoj, industrijskoj, prirodnoj i društveni sustavi.” Kako su ova dva pravca povezana?
U suštini, to su dvije strane istog novčića. Umjetna inteligencija ne može postojati bez superračunala jer zahtijeva obradu golemih količina podataka. Samo superračunala mogu podnijeti taj posao u prihvatljivom roku. Sada postoji eksponencijalni rast u razini zadataka strojnog učenja, a to zahtijeva ogromnu računalnu snagu.
Suvremeni sustavi izgrađeni na bazi klasičnog silicija ne mogu se nositi s tim i približavaju se svom fizičkom limitu. U sklopu prvog smjera želimo stvoriti superračunalo temeljeno na novoj elementarnoj bazi i novim fizičkim principima. Fotonska superračunala dramatično će smanjiti vrijeme strojnog učenja za složene neuronske mreže.
U drugom smjeru planiramo koristiti AI tehnologije za poboljšanje učinkovitosti superračunala koja sama po sebi postaju toliko složena da se ne mogu optimalno koristiti bez upotrebe AI. Dakle, oba smjera su međusobno povezana.
Hoće li samo povećanje performansi računala biti dovoljno za prelazak sa “slabe” umjetne inteligencije na “jaku”?
Umjetna inteligencija je sposobnost računalnog sustava da obavlja intelektualne zadatke, odnosno one za koje bi čovjeku bila potrebna inteligencija. Pritom uopće nije potrebno da stroj ima inteligenciju kao takvu. Moderni AI sustavi rješavaju neke specifične probleme bolje od bilo kojeg čovjeka. Kalkulator, na primjer, računa bolje od čovjeka. Superračunalo Deep Blue pobijedilo je svjetskog prvaka Garija Kasparova* u šahu 1997. godine. I nije bila stvar pameti, nego brzine: mogao je 21 korak unaprijed izračunati razvoj situacije na ploči i odabrati najoptimalnije. I svakako nitko ne može izračunati strukturu proteina, ali stroj to može. Ali sve su to primjeri “slabe” umjetne inteligencije. Samo alati, pojačivači naše mentalne aktivnosti. Djeluju u skladu s algoritmima koje su ljudi stavili u njih.
O “jakoj” strojnoj inteligenciji moći će se govoriti kada AI sustavi, na temelju svojih postojećih vještina, apriornog znanja i akumuliranog iskustva, budu u stanju sami kreirati algoritme i razvijati vještine za rješavanje dosad nepoznatih problema. Za to nije dovoljno samo povećanje računalne snage. Potrebno je tražiti neke temeljno nove načine obrade informacija, izmisliti računalne uređaje koji rade na principima svojstvenim ljudskom mozgu.
Može li se reći da jedan AI sustav ima jaču, a drugi slabiju inteligenciju? Kako procijeniti snagu strojne inteligencije?
Morate imati kriterije ocjenjivanja i kvantitativne karakteristike. U fizici postoji koncept snage – to je rad obavljen po jedinici vremena. Predlažem uvođenje pojma intelektualne moći kao količine intelektualnog rada obavljenog u određenom vremenskom razdoblju. Za sustave s “jakom” umjetnom inteligencijom, količina intelektualnog rada bit će određena povećanjem algoritamske složenosti nove vještine koju je sustav formirao prilikom rješavanja prethodno nepoznatog problema u odnosu na ukupnu algoritamsku složenost vještina koje već ima. Ali ovdje se postavlja pitanje: koliko će novi računalni algoritam biti učinkovit? A za to morate postaviti kriterij učinkovitosti. Čak i najjednostavniji zadatak premještanja tereta od točke A do točke B može se optimizirati prema najmanje dva kriterija – putu i vremenu.
Po mom razumijevanju, snaga umjetne inteligencije jednaka je algoritamskoj složenosti pomnoženoj s koeficijentom učinkovitosti u odnosu na neki kriterij i podijeljenom s vremenom.
Što je s neuronskim mrežama?
U principu, isti pristup se može primijeniti i na njih. Također se može izračunati računalna složenost neuronske mreže: koliko operacija treba izvesti da bi se dobio rezultat. Procesi stvaranja umjetne inteligencije temeljene na suvremenim računalima razvijaju se paralelno u dva glavna smjera – logičkom i neuromorfnom. Logički pristup usmjeren je na stvaranje računalnih sustava namijenjenih rješavanju jednog ili više intelektualnih problema. Odnosno, takve zadatke koji bi zahtijevali upotrebu inteligencije kada bi ih rješavala osoba. Neuromorfni pristup usmjeren je na stvaranje računalnih sustava koji oponašaju funkcioniranje mozga, te u konačnici na stvaranje njegovog umjetnog analoga.
Do sada su sva postignuća umjetne inteligencije izravno povezana s rastom produktivnosti strojeva. Stvaranje superračunala s učinkom od jednog teraflopsa 1997. dovelo je do pojave programa Deep Blue koji je pobijedio Kasparova*. Godine 2004. program Blue Brain, koji je već radio na 100 teraflopa, simulirao je rad deset tisuća neurona. Godine 2008. pojavilo se superračunalo performansi od jednog petaflopa i program SyNAPSE koji simulira rad milijun neurona i deset trilijuna sinapsi, što odgovara otprilike četiri posto ljudskog mozga. Program AlphaGo je 2016. godine uz snagu od sto petaflopa pobijedio svjetskog prvaka u Gou, a ta je igra puno kompleksnija po pravilima i broju pozicija od šaha. ChatGPT chatbot je već zahtijevao 500 petaflopa. Istovremeno, sami strojevi ne postaju pametniji u općeprihvaćenom smislu te riječi. Oni jednostavno rade brže, što im omogućuje analizu većeg broja opcija i obradu veće količine informacija u kraćem vremenu. Ali svi rade prema algoritmima koje su postavili ljudi.
Je li u načelu moguće stvoriti strojni prototip ljudskog mozga?
Početkom 2018. u Kini je proveden eksperiment. Simulacija druge aktivnosti jednog postotka mozga na tada najbržem superračunalu na svijetu Sunway Taihulight trajala je oko četiri minute. Ako ekstrapoliramo ovaj rezultat, ispada da će za simulaciju sto posto ljudskog mozga u stvarnom vremenu biti potrebno superračunalo s performansama od 1020-1021 flopova. Teoretski, mogao bi se pojaviti do 2030. godine, iako veličine zgrade od 17 katova s bazom od 300 puta 300 metara. I trošit će 15 gigavata električne energije, što je ekvivalentno trima hidroelektranama Sayano-Shushenskaya. Dakle, malo je vjerojatno da će se umjetna inteligencija moći usporediti s ljudskim mozgom. Moje osobno mišljenje: nikada nećemo stvoriti tehnički analog ljudskog mozga. Ovo je put za nigdje. Ali možete pogledati pitanje iz drugog kuta. Ljudski mozak ima oko 80 milijardi neurona, otprilike 150×1012 sinapsi, a svaka sinapsa ima oko 1000 prekidača – analoga logičkih elemenata u konvencionalnom mikroprocesoru. Trenutno je oko 80 milijardi računala i drugih naprava spojeno na internet. Uglavnom, supermozak je spreman. Ostalo je uspostaviti interakciju između računala. A ovo je sljedeća razina razvoja umjetne inteligencije, koju znanstvenici nazivaju pojavnom inteligencijom.
