Надценява ли пазарът възможностите на изкуствения интелект

Способността на изкуствения интелект да стимулира създаването на дългосрочна добавена стойност остава под въпрос, предвид присъщите му ограничения и липсата на истинска интелигентност.

Въпреки че усъвършенствани модели като Mythos Preview на Anthropic разшириха границите на възможностите, съвременният изкуствен интелект в своята същност остава статистическа машина, най-подходяща за задачи, свързани с производителността.

След като недостатъците стават все по-очевидни, анализаторите очакват лидерите в областта на изкуствения интелект в Китай – Alibaba, Baidu, Tencent и ByteDance – да преоценят своите бизнес модели и планове за капиталови разходи.

Липсата на присъща интелигентност при съвременните ИИ има значителни последствия за дългосрочната рентабилност на сектора, възвръщаемостта на инвестициите и способността му да разработва софтуерни инструменти с истинска добавена стойност.

Създаването на иновативни продукти

Тъй като моделите с ИИ се основават на усъвършенствано разпознаване на шаблони, а не на реално разбиране, китайският сектор за изкуствен интелект ще срещне затруднения при създаването на наистина иновативни продукти, които да надхвърлят рамките на инструментите за повишаване на производителността.

Това фундаментално ограничение вероятно ще постави под въпрос способността на индустрията за изкуствен интелект да премине от фаза на висок растеж и спекулации към фаза на устойчиви резултати.

С времето очакваме това да принуди компаниите да преоценят своите бизнес модели и планове за капиталови разходи, които понастоящем се основават на нереалистични предположения за това, на което е способна технологията.

Mythos Preview

Моделът „Mythos Preview“ на Anthropic разшири границите на възможностите на функционалния изкуствен интелект, като направи важна крачка към автономното разсъждение.

Въпреки това неговите възможности – както и при всички съвременни модели за изкуствен интелект – се основават на разпознаването на модели, като предсказват следващия оптимален символ въз основа на научени огромни масиви от данни.

Въпреки че Mythos може би е най-добрият в света статистически анализатор на пропуски в сигурността, тези възможности не се превръщат в обща интелигентност, която може да се приложи в неструктурирания, нелогичен реален свят.

Неговата видима интелигентност е изцяло синтактична, като липсват семантичната основа и съзнателното осъзнаване, които определят човешкото познание.

Идеален модел за разпознаване на модели

Способността на Mythos да открива уязвимости в софтуера се улеснява от факта, че компютърният код е перфектно структуриран, логичен и изцяло представен в текстова форма, което го прави идеален за разпознаване на модели.

Кодът на Python, например, се основава само на 35 ключови думи и около 70 вградени функции, въпреки че броят на възможните комбинации достига трилиони.

Съвременните умения на изкуствения интелект за експертно разпознаване на шаблони се проявяват отлично при такива структури, въпреки огромния им мащаб.

Регистрирани китайски големи езикови модели

Инвеститорите продължават да надценяват възможностите на съвременните големи езикови модели, като погрешно приравняват тяхното усъвършенствано разпознаване на шаблони към развита интелигентност.

Според анализаторите това погрешно схващане е довело до разминаване между пазарните очаквания и бъдещата реалност.

Въпреки че генеративния изкуствен интелект може да повиши производителността, всъщност той е усъвършенстван имитатор и по никакъв начин не може да замести човешката креативност и мислене – фактор, който би могъл да ограничи бъдещите инвестиции в тази сфера.

След като ограниченията на тези модели стават все по-очевидни – особено липсата им на истинско разбиране и субективно съзнание – китайските компании за изкуствен интелект, включително Alibaba, Baidu, Zhipu AI, MiniMax и Tencent, ще се борят да оправдаят настоящите високи очаквания на пазара и да обосноват ръста на оценките си.

Капиталови разходи за изкуствен интелект

Видимото владеене на езика от страна на генеративния изкуствен интелект е отражение на способността му да разпознава и възпроизвежда образци, а не на истинско разбиране на основните концепции.

Големите езикови модели са майстори в синтаксиса – правилата на граматиката и езиковата структура, но им липсва фундаментално познание за семантиката и истинско разбиране на смисъла.

Когато един голям езиков модел генерира текст, той не „мисли“ в човешкия смисъл на думата, а извършва невероятно бързи и сложни изчисления, за да предскаже статистически най-вероятната последователност от думи въз основа на това, което е научил по време на обучението.

Моделите преминават обучение върху огромни масиви от данни, обхващащи милиарди страници текст, създадени от хора, което им позволява да овладеят граматичните правила и моделите на езика.

Милиарди взаимосвързани параметри

Големите езикови модели се състоят от милиарди взаимосвързани параметри, които функционират като статистически коефициенти.

Когато получи входяща информация, моделът я обработва през множество слоеве, изчислявайки вероятностното разпределение за следващата най-подходяща дума или лексикален елемент.

Например, ако от модела се изиска да довърши изречението „ябълката е“, той ще определи, въз основа на милионите примери в обучителните си данни, че думите „зелена“ или „вкусна“ са значително по-вероятни от „правоъгълна“.

Човешкият интелект също разчита в голяма степен на разпознаването на модели, включително способността ни да разпознаваме лица, гласове и обекти. Способността ни да говорим, четем и пишем се основава на способността на мозъка ни да разпознава езикови модели.

Въпреки това, да приравняваме разпознаването на модели от изкуствения интелект с човешкия интелект означава да пренебрегнем значителна част от човешкия опит.

Анализаторите описват и ключовите предимства на хората в това, че имат опит в реалния свят, докато моделите са лишени от това.

Решаващо предимство

Забележителната способност на мозъка за невропластичност му осигурява още едно решаващо предимство пред изкуствения интелект.

Това се отнася до способността на мозъка постоянно да се реорганизира, като образува нови невронни връзки през целия живот и преструктурира своята организация в отговор на ученето и опита.

За разлика от това, след като обучението на даден модел за изкуствен интелект приключи, неговата архитектура става сравнително статична.

Въпреки че моделите на ИИ могат да бъдат актуализирани с нови данни, този процес е целенасочена външна намеса, за разлика от способността на мозъка постоянно да променя структурата си и да еволюира.

Следователно, като фиксирана система, ограничена до статистическите модели и корелации, научени по време на обучението, ИИ не притежава способността на мозъка да разбира истински, да иноватира и да свързва разнородни идеи.

Още по темата

UBS: AI бумът може да сложи край на кризата при китайските имоти

Мъск загуби първата съдебна битка срещу OpenAI и Сам Алтман

Изкуственият интелект демократизира престъпленията в дигитална среда

AI срив при работните места ще изисква защита за гражданите