Ai-problems

Проблеми розробки та використання штучного інтелекту (Artificial intelligence, AI).

Штучний інтелект затратний з погляду як людських, та й природних ресурсів. За даними дослідників з Берклі та компанії Google, GPT-3 – найпотужніша і найпросунута мовна модель у світі – за час навчання виробляє еквівалент 552 метричних тонн вуглекислого газу. Стільки ж протягом року при їзді виділяють 120 легкових автомобілів із ДВС. Менш складні системи також залишають великий вуглецевий слід. Просунутий чат-бот Google Meena при читанні 340 ГБ текстів виробила 96 метричних тонн вуглекислого газу - стільки ж рік виділяють 17 домоволодінь.

Збір інформації — це апріорі відбір, тобто одні факти включаються до бази, інші — ігноруються. Тому ІІ за визначенням мислить індуктивно, а не дедуктивно, тобто на основі безлічі окремих випадків він робить генеральний висновок. Іноді помилковий.

Машинне навчання працює не так, як мозок людини, тому його легко обдурити, але іноді неможливо зрозуміти.

GPT-3 (Generative Pre-trained Transformer 3) – третє покоління алгоритму обробки природної мови від OpenAI. На вересень 2020 року це найбільша і найпросунутіша мовна модель у світі. Модель, за заявою розробників, може бути використана для вирішення будь-яких завдань англійською мовою.

На сьогоднішні день є 5 моделей в opensource: які навчені на основі GPT-3 для російської та англійської мови.

• 125 000 000 параметрів (Small Colab-friendly)
• 350 000 000 параметрів (Medium Most popular open-source)
• 760 000 000 параметрів (Large Biggest in opensource)
• 1 300 000 000 параметрів (XL 1.3B Christofari users only)
• 13 000 000 000 параметрів (13B Christofari most powerfull)

• 175 000 000 000 параметрів (Original size most powerfool)
• 395 000 000 000 параметрів
• 600 000 000 000 параметрів на 2021 рік
• 1 600 000 000 000 параметрів на січень 2021 рік від Google
• 1 750 000 000 000 параметрів Wu Dao 2.0 китайская

1. Проблема. Відсутність даних та безпека

AI вимагає дані для аналізу та навчання - без достатньої кількості структурованих даних не вдасться створити корисне на практиці рішення зі штучним інтелектом. Наприклад, щоб точно розпізнавати обличчя на фотографіях, потрібно проаналізувати десятки (а краще за сотню) тисяч знімків.

Для бізнесу це означає, що недостатньо розробити софт для AI - спочатку потрібно отримати доступ до даних.

1. Проблема '«Фейк ньюс» та кібербулінг

Штучний інтелект поки що не здатний відокремлювати правду від вигадки і боротися з дезінформацією. Хоча компанія OpenAI вже створила штучний інтелект для генерації переконливих «фейк ньюс», алгоритми досі розпізнають фейки гірше за людей.

Наприклад, Facebook для вирішення цього завдання відмовився від штучного інтелекту та найняв 10 тисяч модераторів, здатних зрозуміти культурні нюанси публікацій.

Інше обмеження штучного інтелекту: його нездатність розпізнавати емоції у соцмережах. Цей недолік заважає, зокрема, ефективно вирішувати проблему кібербулінгу. Існуючі механізми вимагають участі людей, які мають скаржитися на образливі пости.

1. Проблема Здоров'я та довіра

Люди не довіряють штучному інтелекту, що сильно гальмує його впровадження. Розроблений IBM проект Watson for Oncology здатний рекомендувати варіанти лікування для 13 різновидів раку - у деяких випадках рішення алгоритму на 93% співпадало з рекомендаціями експертів-онкологів.

Але лікарі виявилися не готовими делегувати вирішення питань життя та смерті машині. Гостро постало й питання відповідальності за потенційну помилку, допущену штучним інтелектом.

1. Проблема Творчість та жарти

Штучний інтелект позбавлений креативності — він здатний лише наслідувати стиль людей, але не створювати свій. Медіа давно використовують AI для написання спортивних новин та кримінальної хроніки, але жарти та романи у виконанні роботів досі не витримують критики.

1. Проблема Що таке інтелект

Співзасновник Apple Стів Возняк запропонував використовувати "Кавовий тест" для вимірювання здібностей машинного інтелекту. Щоб пройти тест Возняка, робот повинен увійти до незнайомої квартири, знайти кавоварку, налити води, дістати кухоль та приготувати каву. Поки що нікому не вдалося пройти цю перевірку. У "Кавовому тесті" є частка жарту, але він показує серйозні обмеження інтелекту сучасних машин.

Засновник Landing AI та Coursera Ендрю Ин вважає, що успішно автоматизувати можна ті інтелектуальні завдання, вирішення яких займає у людини менше секунди.