top of page

Արհեստական բանականության «կնքահայրը» հեռացել է Google-ից և զգուշացնում է աշխարհին վտանգի մասին

08.05.2023

Նրանց թվում, ովքեր ի սկզբանե բացահայտորեն հարցեր էին տալիս ChatGPT-ի օգտագործման էթիկայի մասին, եղել է նեյրոնային ցանցերի մշակող, բրիտանացի կանադացի գիտնական Ջեֆրի Հինթոնը։ Նա զգալի ներդրում է ունեցել արհեստական բանականության չաթ-բոտերի զարգացման գործում, սակայն վերջին ամիսներին նա դարձել է AI-ի անխոհեմ օգտագործման սկզբունքային հակառակորդը։ 2023 թվականի գարնանը նա լքեց Google-ը։ Yerevan.Online-ը խոսում է այն մասին, թե ինչու է Հինթոնին անվանել «արհեստական բանականության կնքահայր» և ինչու է նա այդքան քննադատաբար վերաբերվում այն ​​տեխնոլոգիաներին, որոնք վերջերս օգնել է ստեղծել:


2012 թվականին Տորոնտոյի համալսարանի պրոֆեսոր Ջեֆրի Հինթոնը և նրա երկու ուսանողները մշակեցին մի համակարգ, որը կարող էր վերլուծել հազարավոր պատկերներ և սովորեցնել ճանաչել իրական կյանքում նմանատիպ առարկաները՝ ծաղիկները, կենդանիները կամ մեքենաները, աննախադեպ ճշգրտությամբ: Ակնառու ձեռքբերումից հետո Հինթոնը և նրա աշակերտները՝ Իլյա Սուցկվերը և Ալեքս Կրիժևսկին շարունակեցին իրենց հետազոտությունները, և ընկերությունը, որում նրանք աշխատում էին նեյրոնային ցանցերի վրա, ձեռք բերվեց Google-ի կողմից: Հենց բրիտանացի պրոֆեսորի և երկու ուսանողների զարգացումներն արագացրին AI-ի ներդրումը և հանգեցրին ChatGPT-ի, Google Bard-ի և այլ չաթ բոտերի առաջացմանը:


2018 թվականին Հինթոնը ստացել է Ալան Թյուրինգի մրցանակը «կոնցեպտուալ և ինժեներական առաջընթացի համար, որոնք խորը նեյրոնային ցանցերը դարձրել են հաշվարկման անկյունաքար»։ Հինգ տարի անց գիտնականը կտրուկ փոխեց իր տեսակետը արհեստական ​​ինտելեկտի վերաբերյալ, հեռացավ Google-ից և մայիսի 1-ին հարցազրույց տվեց The New York Times-ին (NYT), որտեղ նա խոսեց այս ոլորտում վտանգների մասին: Չաթ-բոթերի և նմանատիպ այլ տեխնոլոգիաների հիմնական սպառնալիքը, ըստ Հինթոնի, այն է, որ ինտերնետն այնքան լցված կլինի կեղծ բովանդակությամբ՝ գեներացված լուսանկարներով, տեսանյութերով և տեքստերով, որ սովորական մարդիկ «այլևս չեն իմանա, թե որտեղ է ճշմարտությունը»:


Գիտնականը նաև մտավախություն է հայտնել, որ արհեստական ​​ինտելեկտի տեխնոլոգիաները, ի վերջո, մարդկային օգնականներից կվերածվեն նրանց փոխարինողի և բազմաթիվ մասնագիտությունների ներկայացուցիչներ կթողնեն առանց աշխատանքի։ «Ոմանք կարծում էին, որ տեխնոլոգիան կարող է մեզանից ավելի խելացի դառնալ, բայց շատերը կարծում էին, որ դա չափազանցություն է», - ասաց Հինթոնը NYT-ին: «Ես նույնպես կարծում էի, որ դա շատ հեռու է: Ես կարծում էի, որ մենք 30-ից 50 տարի կամ նույնիսկ ավելին ունենք անցնելու: Ակնհայտ է, որ այլևս այդպես չեմ մտածում»:


Հինթոնը ծնվել է 1947 թվականին հարգված միջատաբանի ընտանիքում, ով ապրում էր Ուիմբլդոնում (Լոնդոնի արվարձան): Նրա նախապապ Ջորջ Բուլը զարգացրեց մաթեմատիկական տրամաբանությունը, իսկ Բուլյան հանրահաշիվը, որն անվանվել է նրա անունով, հիմք դրեց տեղեկատվական դարաշրջանում զարգացած տեխնոլոգիաներից շատերի համար։


Ի զարմանս իր հոր՝ Ջեֆրին որոշեց ուսումնասիրել ոչ թե միջատներին, այլ մարդկանց։ 1970 թվականին նա ավարտեց Քեմբրիջի համալսարանը փորձարարական հոգեբանության մասնագիտությամբ, բայց հետո ընդմիջեց ակադեմիական գործունեությունից և մեկ տարի անցկացրեց ատաղձագործության մեջ։ «Գիտությունը հոգնեցրեց ինձ, և ես որոշեցի, որ ուզում եմ ատաղձագործ դառնալ», - բացատրեց Հինթոնը: 1972 թվականին Ջեֆրին սկսել է հետաքրքրվել Էդինբուրգի համալսարանի արհեստական ​​ինտելեկտի ծրագրով, հրաժարվել է ատաղձագործ դառնալու իր երազանքից և տեղափոխվել Շոտլանդիա։ Այնտեղ նա խորասուզվեց նեյրոնային ցանցերի զարգացման մեջ։


«Այնուհետև երկրի վրա ոչ մի մարդ չէր հավատում այս գաղափարին», - ասաց Հինթոնը: «Դա փակուղի էր համարվում նույնիսկ AI հետազոտողների շրջանում»:


Սակայն երիտասարդ բրիտանացու զարգացումները գրավեցին Սան Դիեգոյի մի խումբ ճանաչողական հոգեբանների ուշադրությունը։ Հինթոնը մեկնեց ԱՄՆ և սկսեց ուսումնասիրել ետ տարածումը, մի ալգորիթմ, որը թույլ էր տալիս նեյրոնային ցանցերին սովորել և կատարելագործվել: Հետագայում այն ​​մեթոդները, որոնց ստեղծման գործում ակտիվ մասնակցություն է ունեցել Հինթոնը, կոչվել են խորը ուսուցում։ Նրանք թույլ են տվել AI-ին ոչ միայն կատարել կոնկրետ գործողություններ մեկ ալգորիթմի շրջանակներում, այլ նաև ընդլայնել իր հնարավորությունները արտաքին տվյալների օգնությամբ։


«Գաղափարն այն էր, որ ստանանք սարք, որը կսովորի այնպես, ինչպես ուղեղն է սովորում», - ասաց Հինթոնը: - Դա իմ գաղափարը չէր, Ալան Թյուրինգը նույն կերպ էր մտածում։ Նա կարծում էր, որ ուղեղը անկազմակերպ մեքենա է, որն օգտագործում է ամրապնդող ուսուցում, որպեսզի փոխի իր ներսում կապերը, և որն ի վիճակի է սովորել ամեն ինչ: Նա կարծում էր, որ սա լավագույն մոտեցումն է հետախուզության ուսումնասիրության համար»:


Համակարգ ստեղծելու ցանկությունը, որը կարող էր սովորել այնպես, ինչպես մարդկային ուղեղը, որոշեց Հինթոնի ողջ կարիերան: 1970-ականների վերջին և 1980-ականներին նա ակտիվորեն փորձում էր ստեղծել ձայներ և պատկերներ ճանաչելու ունակ ալգորիթմներ։ Այն ժամանակվա գիտնականների նախագծերում առանցքային դեր են խաղացել ներքին ներկայացուցչությունները, այսինքն՝ տեղեկատվական կառույցները, որոնք ընկալող համակարգը ստեղծում և պահպանում է որպես արտաքին օբյեկտներին բնորոշ որակների համակցություն:


«Հարցը, թե ինչպես ստեղծել ներքին ներկայացուցչություններ, համարվում է արհեստական ​​ինտելեկտի հետազոտության սուրբ գրալ», - բացատրեց Հինթոնը: Այնուամենայնիվ, կես դար առաջ համակարգիչները բավականաչափ արագ չէին ներքին պատկերացումներ ստեղծելու համար այնքան արագ, որքան մարդկային ուղեղը:


1982 թվականից ի վեր Հինթոնը պրոֆեսոր էր Պիտսբուրգի Կարնեգի Մելլոն համալսարանում, սակայն ԱՄՆ նախագահ Ռոնալդ Ռեյգանի վարչակազմի քաղաքականությունը գնալով ավելի էր նյարդայնացնում բրիտանացուն: Նրան դուր չէր գալիս, որ ԱՄՆ-ում արհեստական ​​ինտելեկտի հետազոտությունների մեծ մասը հովանավորվում էր պաշտպանության նախարարության կողմից, ուստի Հինթոնը 1980-ականների կեսերին տեղափոխվեց Կանադա, որտեղ նրան առաջարկեցին պաշտոններ Կանադայի առաջադեմ ուսումնասիրությունների ինստիտուտում և Տորոնտոյի համալսարանում: .


Այնտեղ Հինթոնը շարունակեց իր հետազոտությունը, չնայած այն հանգամանքին, որ մինչ այդ նրա գործընկերներից շատերը հիասթափվել էին սովորող արհեստական ​​ինտելեկտի ստեղծման գաղափարից և սկսել էին այլ նախագծեր: «1990-ականներին տվյալների հավաքածուները բավականաչափ մեծ չէին, և համակարգիչները բավականաչափ արագ չէին», - ասաց Հինթոնը: «Մյուս մեթոդներն ավելի լավ են աշխատել փոքր տվյալների հավաքածուների դեպքում: Նրանք չէին շեղում ինֆորմացիայի առատությամբ։ Դա շատ ճնշող էր, որովհետև մենք 1980-ականներին զարգացրինք ետ տարածումը և կարծում էինք, որ լուծել ենք բոլոր խնդիրները: Մենք անհանգստանում էինք, թե ինչու դեռ չենք կարողանում օգտագործել այս տեխնոլոգիան»։


Արհեստական ​​համակարգերի վարժունակության հետ կապված գլուխկոտրուկը լուծվեց արդեն 21-րդ դարում ավելի արագ և հզոր համակարգիչների հայտնվելով: Հինթոնին և նրա գործընկերներին հաջողվել է արհեստական ​​համակարգերի մեջ մտցնել ալգորիթմներ, որոնք թույլ են տվել նրանց ներքին ներկայացուցչություններ ձևավորել: AI-ին տրամադրվել են նաև խոսքի ձևեր, որոնք թույլ են տվել ընկալել և մեկնաբանել բանավոր խոսքը և գրավոր տեքստերը: Հինթոնի համակարգերում ներկառուցված առանձնահատկությունների դետեկտորները մշակել են տեղեկատվության կտորներ և կապեր գտել դրանց միջև, ինչի շնորհիվ ուսուցման գործընթացը նկատելիորեն արագացել է։


Առողջական խնդիրների պատճառով Հինթոնը ստիպված է եղել ոտքի կանգնել հետազոտություն կատարել։ Նա պատանի հասակում վնասել է մեջքը՝ մոր համար տաքացուցիչ տանելիս։ Այդ ժամանակվանից նստած դիրքը գիտնականին սպառնում էր սկավառակի ճողվածքով, ուստի նա ընտելացավ անընդհատ կանգնելուն։ «Վերջին անգամ ես նստել եմ 2005 թվականին», - խոստովանել է Հինթոնը 2012 թվականին: «Եվ պարզվեց, որ դա մեծ սխալ է»:


«Այլ գիտնականներ ունեին նմանատիպ գաղափարներ, բայց նա միշտ եղել է իրերի կենտրոնում», - բացատրեց Հինթոնի ներդրումը AI հետազոտություններում, NYT լրագրող և գրող Քեյդ Մեցը: - Նա ակտիվորեն մասնակցել է համակարգերի ստեղծմանը, որոնք սովորել են նախ ճանաչել խոսքը, իսկ հետո՝ պատկերը։ Այս երկու պահերը դարձել են առանցքային տեխնոլոգիական առաջընթացի և մեր ժամանակներում AI-ի կիրառման համար»:


Խորը ուսուցման եզակի հնարավորություններով նեյրոնային ցանց մշակելուց հետո Հինթոնը 2012-ին հիմնեց DNNresearch-ը և վարձեց ուսանողների Իլյա Սուցկվերին և Ալեքս Կրիժևսկուն՝ իր հետ AI հետազոտություններ անելու համար: Չնայած ընդամենը երեք պաշտոնական աշխատող ունեցող ընկերության համեստ կարգավիճակին, խոշոր կորպորացիաների միջև պայքար սկսվեց DNN-ի հետազոտությունը կլանելու հնարավորության համար: Չինական տեխնոլոգիական հսկա Baidu-ն, Google-ը, Microsoft-ը և բրիտանական DeepMind ստարտափը՝ բրիտանացի նյարդաբան Դեմիս Հասաբիսի կողմից, որը գործարկվել էր ընդամենը երկու տարի առաջ, հայտ էին ներկայացրել Hinton-ի հետ համագործակցելու համար:


Աճուրդի արդյունքում DNNresearch-ը հայտնվել է Google-ի հսկողության տակ 44 մլն դոլարով։ Չնայած Baidu-ի կողմից ավելի մեծ գումար առաջարկելու պատրաստակամությանը, Հինթոնն ինքը որոշեց դադարեցնել աճուրդը, քանի որ չէր ցանկանում, որ գիտական ​​համագործակցությունը վերածվի ֆարսի։ Այդ ժամանակից մինչև այս տարվա մայիսը «AI-ի կնքահայրը» շարունակեց Google-ում զարգացնել ավելի առաջադեմ նեյրոնային ցանցեր:


2021 թվականին Հինթոնը կենտրոնանում է GLOM համակարգի կառուցման վրա: Ինչպես ծրագրել էր Hinton-ը, նոր մշակումը պետք է լուծեր AI-ի հետ կապված հիմնական խնդիրներից մեկը, քանի որ այն հնարավորություն կունենար ճանաչել նույն օբյեկտները տարբեր տեսանկյուններից: Մինչ այս, չնայած նեյրոնային համակարգերի և հարակից տեխնոլոգիաների արագ զարգացմանը, ալգորիթմը կարող էր, օրինակ, չճանաչել նույն բաժակը, եթե այն պատկերված լիներ նախ կողքից, ապա՝ վերևից։ Նման առաջադրանքները շարունակում էին մոտիվացնել և ոգեշնչել Հինթոնին, չնայած այն կարգավիճակին և դիրքին, որը նա ձեռք էր բերել գրեթե կեսդարյա կարիերայի ընթացքում:


Հինթոնի մեկ այլ գաղափար էր նեյրոնային համակարգերը համալրել «համաձայնության վեկտորներով»՝ ալգորիթմներով, որոնք կվերլուծեն տեղեկատվությունը նման կերպ, բայց կլրացնեն միմյանց և կօգնեն ավելի մեծ պատկեր ստեղծել: Գիտնականը այս մոտեցումը համեմատեց մի խումբ մարդկանց հետ, ովքեր ուղեղի փոթորիկ են անում. նրանք բոլորը կարող են համաձայնվել միմյանց հետ, բայց քննարկման ընթացքում նրանք, ամենայն հավանականությամբ, կկարողանան բարելավել իրենց անհատական ​​ներքին ներկայացումները:


«Ջեֆը շատ անսովոր մտածող է նրանով, որ նա կարողանում է բարդ մաթեմատիկական հասկացությունները համատեղել կենսաբանական գործոնների հետ և ձևակերպել տեսություններ՝ հիմնված այս կապի վրա», - ասում է նյարդաբան և Հինթոնի նախկին ուսանող Սյու Բեքերը: «Ավելի նեղ պրոֆիլի հետազոտողները կենտրոնանում են կամ մաթեմատիկական տեսության կամ նյարդաբանության վրա: Նրանք շատ ավելի քիչ հավանական է պատասխան գտնել այն հարցին, թե ինչպես մարդիկ և մեքենաները կարող են սովորել և մտածել»:


Երբ Google-ը, OpenAI-ը և AI տեխնոլոգիական այլ ընկերություններ սկսեցին զարգացնել նեյրոնային ցանցեր, որոնք սովորում էին թվային տեքստի մեծ կտորներից, Հինթոնն առաջարկեց, որ մեքենաներն այժմ ավելի լավ հնարավորություն կունենան ճանաչելու և ստեղծելու լեզուներ: Սակայն սովորելու այս ձևը, նրա կարծիքով, դեռևս զիջում էր նրան, թե ինչպես են մարդիկ ճանաչում տեքստն ու խոսքը։


Հինթոնի դիրքորոշումը փոխվեց 2022 թվականին, երբ Google-ը և OpenAI-ը մշակեցին համակարգեր շատ ավելի մեծ տվյալների բազաներով, քան նախկինում։ Մինչ այս գիտնականը հպարտանում էր, որ Google-ը զգուշավոր է գործում և թույլ չի տալիս շուկա մուտք գործել տեխնոլոգիաներ, որոնք տեսականորեն կարող են վնասել մարդկությանը։ Սակայն անցած տարում Microsoft-ի և Google-ի միջև մրցակցությունը երկու ընկերություններին էլ դրդեց թողարկել չաթ-բոտեր, որոնք, ըստ Hinton-ի, դեռևս լիովին չեն հասկացել նույնիսկ իրենք՝ մշակողները: Գիտնականի խոսքով՝ որոշ առումներով նեյրոնային ցանցերն ավելի կատարյալ են դարձել, քան մարդու ուղեղը։


«Հավանականություն կա, որ այն, ինչ տեղի է ունենում այս համակարգերում, զգալիորեն գերազանցում է մարդու ուղեղում ընթացող գործընթացների բարդությունը», - ասում է գիտնականը: «Տեսեք, թե ինչ է տեղի ունեցել [AI հետազոտության մեջ] հինգ տարի առաջ և ինչ է տեղի ունենում հիմա: Պատկերացրեք, թե ինչ արագությամբ կկատարվեն փոփոխություններ ապագայում: Դա վախեցնում է». Հինթոնի գործընկերներից շատերը սպառնալիքը դեռ համարում են հիպոթետիկ, սակայն նա ինքը վստահ է, որ աղետից խուսափելու համար Google-ը, Microsoft-ը և այլ տեխնոլոգիական հսկաները պետք է ենթարկվեն խիստ վերահսկողության։


Հինթոնը մտավախություն ունի, որ տեխնոլոգիաները մարդկանց մեծամասնության համար ի վերջո կփշրեն գեղարվեստական ​​գրականության և իրականության սահմանները, ինչպես նաև հիմնովին կփոխեն իրավիճակը աշխատաշուկայում: Գիտնականի մտահոգության ևս մեկ պատճառն այն է, որ արհեստական ​​համակարգերը կարող են սովորել անկանխատեսելի վարքագիծ, երբ վերլուծում են հսկայական քանակությամբ տվյալներ: Սա նշանակում է, որ մարդկանց համար ավելի ու ավելի դժվար կլինի կանխատեսել արհեստական ​​ինտելեկտի գործունեության մեխանիզմները։


Google-ից հեռանալուց հետո NYT-ին տված հարցազրույցում նշվում է, որ Հինթոնը զղջում է իր կյանքի աշխատանքի համար, բայց մխիթարվում է արդարացումով. «Եթե ես չանեի դա, ուրիշը կաներ»: Ավելի ուշ MIT Technology Review-ի հետ զրույցում գիտնականը մանրամասնեց.


[NYT-ի լրագրող] փորձեց ստիպել ինձ ասել, որ ներողություն եմ խնդրում: Վերջում ասացի, որ միգուցե փոքր ափսոսանք ունեմ։ [Բայց] ես չեմ կարծում, որ սխալ որոշումներ եմ կայացրել իմ հետազոտության ընթացքում [նեյրոնային ցանցեր կառուցելու վերաբերյալ]: Իրականում [1970-80-ական թվականներին] անհնար էր կանխատեսել [AI-ի զարգացման ներկա փուլը]։ Մինչև ամենավերջին պահը ես կարծում էի, որ էկզիստենցիալ ճգնաժամը [ԱԲ-ի սպառնալիքների պատճառով] դեռ շատ հեռու է [մեզնից]: Ընդհանրապես, ես չեմ զղջում արածիս համար։

Comments


Ռուսաստանից վերադարձել է Հայաստան և ստեղծել CreamLeo-ն՝ հայկական բնական քաղցրավենիքի արտադրանքը

bottom of page