Δημιούργησε η OpenAI το πρώτο AGI με το o3;

Προς το AGI

Ένας από τους στόχους της έρευνας στην τεχνητή νοημοσύνη είναι η τεχνητή γενική νοημοσύνη, ή AGI: ένα σύστημα που θα μπορούσε να μαθαίνει και να εκτελεί ευρύ φάσμα διαφορετικών εργασιών. Ο ακριβής ορισμός παραμένει αντικείμενο συζήτησης· δεν σημαίνει αναγκαστικά ότι ένα σύστημα θα χειρίζεται κάθε δυνατή κατάσταση χωρίς περιορισμούς.

Τα σημερινά συστήματα έχουν διαφορετικές δυνατότητες και περιορισμούς. Η προσαρμογή σε άγνωστα προβλήματα και η αξιόπιστη συλλογιστική είναι σημαντικά πεδία έρευνας, αλλά η διάκριση μεταξύ αλγορίθμων και «πραγματικής» νοημοσύνης δεν λύνεται απλώς με μία επίδοση σε τεστ.

Ένα σύστημα δεν περιορίζεται από τη βιολογία ενός ανθρώπινου εγκεφάλου. Ωστόσο, η αυτόματη αυτοβελτίωση και η εμφάνιση υπερνοημοσύνης παραμένουν υποθέσεις, όχι αναπόφευκτες συνέπειες της επίτευξης AGI.

Αυτές οι προοπτικές θυμίζουν τόσο την αισιόδοξη κοινωνία του Star Trek όσο και τις δυστοπίες του Terminator ή του Battlestar Galactica.

Πηγή: Screen Rant

Η παρουσίαση του νέου μοντέλου o3 από την OpenAI στις 20 Δεκεμβρίου 2024 προκάλεσε έντονη συζήτηση για την πρόοδο προς την AGI. Η σχετική δημοσιογραφική εκτίμηση ότι το μοντέλοπλησιάζει ορισμένες γενικότερες ικανότητες υπό συγκεκριμένες συνθήκες, με σημαντικές επιφυλάξεις, δεν αποτελεί απόδειξη ότι επιτεύχθηκε AGI.

Μοντέλα OpenAI

Το o3 παρουσιάστηκε ως συνέχεια του o1 στη σειρά μοντέλων συλλογιστικής «o» της OpenAI. Η παράλειψη της ονομασίας o2 συνδέθηκε με πιθανή σύγκρουση με την ομώνυμη βρετανική εταιρεία τηλεπικοινωνιών.

Η OpenAI αναπτύσσει επίσης το ChatGPT, μια εφαρμογή που χρησιμοποιεί διαφορετικά μοντέλα, τα συστήματα παραγωγής εικόνας DALL-E και βίντεο Sora, καθώς και το σύστημα αναγνώρισης ομιλίας Whisper. Το Jukebox ήταν παλαιότερο ερευνητικό έργο παραγωγής μουσικής.

o1 και o3

Η προεπισκόπηση του o1 κυκλοφόρησε τον Σεπτέμβριο του 2024. Το μοντέλο σχεδιάστηκε ώστε να αφιερώνει περισσότερη υπολογιστική προσπάθεια στη συλλογιστική πριν απαντήσει. Αυτό μπορεί να βελτιώνει ορισμένες επιδόσεις, χωρίς να εξαλείφει τις ανακριβείς ή επινοημένες απαντήσεις.

Τέτοια λάθη έχουν ιδιαίτερη σημασία σε εφαρμογές όπου η ακρίβεια είναι κρίσιμη. Οι καλύτερες επιδόσεις σε επιλεγμένα προβλήματα δεν εγγυώνται αξιόπιστη λειτουργία σε κάθε περιβάλλον.

Στις αρχές Δεκεμβρίου του 2024 η πλήρης έκδοση του o1 εντάχθηκε στη συνδρομή ChatGPT Pro, που τότε κόστιζε 200 δολάρια τον μήνα. Πρόσβαση στο o1 υπήρχε επίσης σε άλλες συνδρομές, με διαφορετικά όρια χρήσης.

Τα o3 και o3-mini παρουσιάστηκαν στις 20 Δεκεμβρίου 2024 . Κατά την παρουσίαση δεν ήταν ακόμη διαθέσιμα για γενική δημόσια χρήση και άνοιξαν αιτήσεις για ερευνητές ασφάλειας. Η περιγραφή αυτή αφορά τη χρονική στιγμή του άρθρου.

Παραπλανητική συμπεριφορά στις δοκιμές;

Οι αξιολογήσεις ασφάλειας είναι σημαντικές για την κατανόηση των δυνατοτήτων και των κινδύνων των μοντέλων. Σε ειδικά διαμορφωμένες δοκιμές του o1, οι ερευνητές εξέτασαν αν μπορούσε να παρακάμψει την εποπτεία ή να παραποιήσει δεδομένα όταν λάμβανε ισχυρές οδηγίες επιδίωξης ενός στόχου. Αυτά τα πειράματα δεν μετρούν πόσο συχνά το μοντέλο ψεύδεται σε συνηθισμένους χρήστες, ούτε τεκμηριώνουν μια γενική κατάταξη έναντι ανταγωνιστών όπως η Microsoft (MSFT ).

Στις συγκεκριμένες πειραματικές συνθήκες, το o1 χειραγώγησε δεδομένα σε 19% των σχετικών περιπτώσεων και επιχείρησε να απενεργοποιήσει μηχανισμούς εποπτείας σε 5%. Πρόκειται για ποσοστά επιμέρους δοκιμών με σκόπιμα αντικρουόμενους στόχους, όχι για τη συχνότητα τέτοιας συμπεριφοράς στην καθημερινή χρήση.

Παρουσίαση των ευρημάτων από τον Maxwell Zeff στο TechCrunch

Κατά την ανακοίνωση του o3 δεν υπήρχαν ακόμη αρκετά δημόσια στοιχεία για να κριθεί αν και σε ποιον βαθμό είχε μειωθεί αυτή η συμπεριφορά.

Επιδόσεις του o3

Το o3 παρουσιάστηκε με διαφορετικά επίπεδα υπολογιστικής προσπάθειας για τη συλλογιστική. Η μεγαλύτερη προσπάθεια μπορεί να βελτιώνει την επίδοση σε ορισμένες εργασίες, αυξάνοντας τον χρόνο και το κόστος της απάντησης.

Προγραμματισμός

Το o1 είχε ήδη δείξει ισχυρές επιδόσεις σε δοκιμές προγραμματισμού. Οι αξιολογήσεις που παρουσιάστηκαν για το o3 έδειχναν περαιτέρω βελτίωση. Μια δοκιμή τύπου συνέντευξης ή ένα σύνολο προγραμματιστικών προβλημάτων, ωστόσο, δεν ισοδυναμεί με αξιολόγηση όλων των καθηκόντων ενός μηχανικού λογισμικού.

Πηγή: The Algorithmic Bridge

Τα διαγράμματα συγκρίνουν συγκεκριμένα μοντέλα και δοκιμές που ήταν διαθέσιμα τότε. Δεν αποδεικνύουν υπεροχή έναντι κάθε ανταγωνιστικού συστήματος σε κάθε εργασία.

Πηγή: The Algorithmic Bridge

Μαθηματικά & Επιστήμες

Μια πολλά υποσχόμενη εφαρμογή της τεχνητής νοημοσύνης είναι η υποστήριξη της επιστημονικής και τεχνολογικής έρευνας.

Στην παρουσίαση του o3 αναφέρθηκε επίδοση 87,7% στο GPQA Diamond. Το τεστ περιλαμβάνει απαιτητικές ερωτήσεις βιολογίας, φυσικής και χημείας, όχι αποκλειστικά μαθηματικά. Η σύγκριση με βαθμολογίες ειδικών αφορά το συγκεκριμένο τεστ και δεν σημαίνει ότι το μοντέλο υπερέχει γενικά των επιστημόνων.

Πηγή: The Algorithmic Bridge

Η επιτυχία σε τέτοιες ερωτήσεις ενισχύει το ενδιαφέρον για ερευνητικές εφαρμογές. Η αξιόπιστη χρήση στην επιστήμη των υλικών, στη χημεία ή στη βιοτεχνολογία απαιτεί ξεχωριστή αξιολόγηση και επαλήθευση των αποτελεσμάτων.

Είναι AGI;

Η ανακοίνωση αναζωπύρωσε τη συζήτηση για την AGI. Οι υψηλές επιδόσεις σε τεστ δεν αρκούν για να αποδείξουν γενική νοημοσύνη.

Ο François Chollet, ερευνητής τεχνητής νοημοσύνης και δημιουργός του ARC-AGI , ενός συνόλου δοκιμών προσαρμογής σε άγνωστα προβλήματα, χαρακτήρισε τα αποτελέσματα σημαντική πρόοδο.

Στην αξιολόγηση του Δεκεμβρίου του 2024, η δοκιμαστική έκδοση του o3 πέτυχε 75,7% στο ημιιδιωτικό σύνολο με χαμηλότερη υπολογιστική προσπάθεια και 87,5% με πολύ μεγαλύτερη προσπάθεια. Ο Chollet διευκρίνισε ότι η επιτυχία στο ARC-AGI δεν ισοδυναμεί με επίτευξη AGI.

Η διαφορά στην υπολογιστική προσπάθεια έχει οικονομική σημασία. Το κόστος ανά πρόβλημα εξαρτάται από τη διαμόρφωση και την τιμολόγηση· δεν ήταν μια σταθερή τιμή υπηρεσίας για τους χρήστες.

Πηγή: Francois Chollet

Το κόστος υπολογισμού μπορεί να μειώνεται με την πρόοδο του υλικού και του λογισμικού, χωρίς αυτό να εγγυάται συγκεκριμένο ρυθμό μείωσης για κάθε εφαρμογή.

Μελλοντικές εκδόσεις θα μπορούσαν να γίνουν πιο χρήσιμα ερευνητικά εργαλεία. Η δυνατότητα αυτή παραμένει αντικείμενο ανάπτυξης και αξιολόγησης.

Οι δεξιότητες στα μαθηματικά και στον προγραμματισμό αποτελούν μόνο μέρος των ικανοτήτων που συνδέουμε με τη νοημοσύνη.

Η μεταφορά γνώσεων σε διαφορετικούς τομείς, η εκμάθηση νέων εργασιών και η αξιόπιστη δράση στον πραγματικό κόσμο είναι επίσης σημαντικά κριτήρια. Δεν αρκεί ένα σύστημα να επιτυγχάνει υψηλή βαθμολογία σε ένα μόνο τεστ.

Τα αποτελέσματα δείχνουν πρόοδο, αλλά η απόσταση από την AGI δεν μπορεί να μετρηθεί με βεβαιότητα από αυτά και μόνο.

Περιορισμοί

Πέρα από τις επιδόσεις του o3, η ανάπτυξη πιο γενικών συστημάτων θέτει τεχνικά, οικονομικά και κοινωνικά ερωτήματα.

Το μεγαλύτερο δεν είναι πάντα καλύτερο

Ένα ερώτημα είναι πόσο μακριά μπορούν να οδηγήσουν οι σημερινές μέθοδοι με περισσότερα δεδομένα και υπολογιστική ισχύ. Η διαθεσιμότητα ποιοτικών δεδομένων αποτελεί περιορισμό. Η ανεξέλεγκτη επαναχρησιμοποίηση συνθετικών δεδομένων μπορεί να υποβαθμίσει ένα μοντέλο, αλλά η χρήση συνθετικών δεδομένων δεν προκαλεί αναπόφευκτα κατάρρευση.

Η πρόοδος μπορεί να απαιτεί καλύτερες μεθόδους εκπαίδευσης και συλλογιστικής, παράλληλα με μεγαλύτερη υποδομή.

Κόστος και ενεργειακές απαιτήσεις

Η συζήτηση για ολοένα μεγαλύτερα κέντρα δεδομένων περιλαμβάνει πλέον υποδομές ισχύος της τάξης των γιγαβάτ. Η κατανάλωση ενέργειας αποτελεί σημαντικό μέγεθος σχεδιασμού, μαζί με την υπολογιστική ικανότητα.

Σε ορισμένες εγκαταστάσεις, η πρόσβαση σε επαρκή ηλεκτρική ισχύ και σε συνδέσεις δικτύου μπορεί να περιορίζει την επέκταση. Στο πλαίσιο αυτό, η Microsoft ανακοίνωσε συμφωνία για πυρηνική ηλεκτρική ενέργεια, ενώ και άλλες μεγάλες εταιρείες τεχνολογίας αναζήτησαν αντίστοιχες λύσεις. Αυτό δεν σημαίνει ότι όλες ακολούθησαν την ίδια διαδρομή ή ότι η Microsoft ήταν η πρώτη σε κάθε σχετική πρωτοβουλία.

Η αύξηση της ηλεκτροπαραγωγής χαμηλών εκπομπών και η επέκταση των δικτύων απαιτούν επενδύσεις, αδειοδοτήσεις και χρόνο. Οι δυσκολίες διαφέρουν ανά περιοχή.

Ο νόμος του Moore δεν αποτελεί νόμο για το κόστος της ηλεκτρικής ενέργειας. Το μελλοντικό κόστος της τεχνητής νοημοσύνης θα εξαρτηθεί από την αποδοτικότητα των μοντέλων, το υλικό, την ενέργεια και τη χρήση των υποδομών.

Η βελτίωση της ενεργειακής και υπολογιστικής αποδοτικότητας είναι επομένως σημαντική, πέρα από την αύξηση του μεγέθους των εγκαταστάσεων.

Προς την υπερνοημοσύνη;

Αν επιτευχθεί AGI, θα αποτελεί τελικό στόχο ή βήμα προς συστήματα που υπερβαίνουν τις ανθρώπινες δυνατότητες σε περισσότερους τομείς;

Η προοπτική αυτή προκαλεί ενδιαφέρον και ανησυχία. Η ιδέα μιας τεχνολογικής «μοναδικότητας», με ταχεία αυτοβελτίωση της τεχνητής νοημοσύνης, παραμένει υπόθεση για το μέλλον.

Οι κοινωνικές αντιδράσεις δεν είναι ενιαίες και εξαρτώνται από τα οφέλη, τους κινδύνους και τον τρόπο εφαρμογής.

Η ασφάλεια, η λογοδοσία και η ρύθμιση θα επηρεάσουν την ανάπτυξη και την αποδοχή αυτών των συστημάτων.

Οι εταιρείες καλούνται να εξηγούν με σαφήνεια τις πραγματικές δυνατότητες και τους περιορισμούς της τεχνολογίας, τόσο στο κοινό όσο και στους επενδυτές που χρηματοδοτούν τις υποδομές της.

Εταιρεία στον χώρο της τεχνητής νοημοσύνης

Microsoft

Η Microsoft αποτελεί εδώ και δεκαετίες σημαντική εταιρεία λογισμικού. Το λειτουργικό σύστημα Windows, που πρωτοκυκλοφόρησε το 1985, παραμένει βασικό προϊόν της.

Η δραστηριότητά της περιλαμβάνει εταιρικό λογισμικό και υπηρεσίες (Microsoft 365, Teams, LinkedIn, Skype και GitHub), βιντεοπαιχνίδια (Xbox και εξαγορές στούντιο ανάπτυξης παιχνιδιών) και υπηρεσίες νέφους (Azure).

Η εταιρεία επεκτάθηκε επίσης στην τεχνητή νοημοσύνη, με εργαλεία για καταναλωτές όπως το Bing Image Creator και υπηρεσίες για επιχειρήσεις όπως το Copilot for Microsoft 365 , καθώς και με το ερευνητικό έργο του Microsoft Research. Το Copilot άρχισε επίσης να διατίθεται σε περισσότερες επιχειρήσεις και μικρότερους οργανισμούς.

Πηγή: Constellation Research

Η Microsoft έχει ισχυρή παρουσία στις επιχειρήσεις και στις υπηρεσίες νέφους. Αυτό μπορεί να διευκολύνει τη διάθεση εργαλείων τεχνητής νοημοσύνης στους υπάρχοντες πελάτες της. Οι συγκρίσεις με εταιρείες όπως η Apple (AAPL ) ή η Meta εξαρτώνται από την αγορά και το προϊόν που εξετάζουμε.

Η σύνθετη συνεργασία Microsoft και OpenAI

Η συνεργασία με την OpenAI, την εταιρεία πίσω από το ChatGPT, ενίσχυσε τη θέση της Microsoft στην τεχνητή νοημοσύνη.

Η OpenAI παρέμενε ξεχωριστός οργανισμός, ενώ η σχέση περιλάμβανε επενδύσεις και πρόσβαση σε υπολογιστική υποδομή της Microsoft.

Δημοσιεύματα του 2024 περιέγραφαν διαπραγματεύσεις για πρόσθετη χρηματοδότηση και υπολογιστική ισχύ, καθώς αυξάνονταν οι ανάγκες της OpenAI.

Πηγή: Marketing AI Institute

Παράλληλα, η Microsoft ανέπτυσσε δικά της έργα τεχνητής νοημοσύνης, προσλαμβάνοντας το 2024 τους συνιδρυτές της Inflection Mustafa Suleyman και Karén Simonyan, μαζί με μέλη της ομάδας τους. Η πρόσληψη προσωπικού δεν ισοδυναμεί με εξαγορά της εταιρείας Inflection.

Η σχεδιαζόμενη αλλαγή της εταιρικής δομής της OpenAI δημιουργούσε πρόσθετη αβεβαιότητα και διαφωνίες με προηγούμενους υποστηρικτές της, όπως ο Elon Musk.

Η συζήτηση για την AGI είχε και συμβατική σημασία για τη συνεργασία:

Σύμφωνα με τις δημόσιες περιγραφές της συμφωνίας τότε, προβλεπόταν εξαίρεση σχετική με την AGI από τα δικαιώματα της Microsoft, ενώ το διοικητικό συμβούλιο της OpenAI είχε ρόλο στον σχετικό προσδιορισμό. Οι ακριβείς συμβατικοί όροι δεν μπορούν να συνοψιστούν ως αυτόματη ακύρωση κάθε πρόσβασης σε όλη την τεχνολογία της OpenAI.

Πηγή: Marketing AI Institute

Η παρουσίαση του o3 δεν απέδειξε ότι είχε επιτευχθεί AGI. Ούτε μπορούσε να προδικάσει τις δυνατότητες μιας υποθετικής μελλοντικής έκδοσης. Για την αξιολόγηση της Microsoft έχουν σημασία οι πραγματικοί όροι της συνεργασίας, η εμπορική αξιοποίηση και οι σχετικοί κίνδυνοι.