'AI 세상'의 단점은 무엇인가? 옥스퍼드 대학교 마이클 울드리지 교수: 현실 세계

무한 원숭이 정리는 원숭이가 타자기의 키를 무작위로 누르면 키를 누르는 시간이 무한대에 도달하면 거의 확실하게 셰익스피어 작품 전체와 같은 특정 텍스트를 입력할 수 있다는 것입니다.

이 정리에서 "거의 확실히"는 특정한 의미를 지닌 수학 용어입니다. "원숭이"는 실제 원숭이를 가리키는 것이 아니라 무한한 무작위 문자 시퀀스를 생성할 수 있는 추상 기계에 대한 비유로 사용됩니다.

이 이론은 크지만 유한한 숫자를 무한 추론으로 간주하는 것이 잘못되었음을 보여줍니다. 관찰 가능한 우주가 계속 타이핑하는 원숭이들로 가득 차 있다고 해도 그들이 "햄릿"을 타이핑할 확률은 여전히 ​​낮습니다. 1/10^183800.

게다가, 수많은 원숭이들에게 무제한의 시간이 주어진다 해도 음유시인의 시적 어법을 어떻게 감상해야 할지 모를 것입니다.

옥스퍼드 대학의 컴퓨터 과학 교수인 Michael Wooldridge는 "인공 지능(AI)도 마찬가지입니다."라고 말합니다.

울드리지의 견해로는 GPT-3 같은 AI 모델이 수백억, 수천억 개의 매개변수로 놀라운 능력을 보여줬지만, 문제는 처리 능력의 크기가 아니라 현실 세계의 데이터가 부족하다는 점이다. 의 경험.

예를 들어, 언어 모델은 "비가 젖었습니다"를 매우 잘 학습할 수 있으며 비가 젖었는지 마른지 묻는 질문에 비가 젖었다고 대답할 가능성이 높지만 인간과 달리 이 언어 모델은 실제로 그런 느낌을 경험한 적이 없습니다. 그들에게 '습하다'는 '비'와 같은 단어와 결합되는 상징일 뿐이다.

그러나 Wooldridge는 실제 물리적 세계에 대한 지식이 부족하다고 해서 AI 모델이 쓸모없다는 의미도 아니고, AI 모델이 특정 분야에서 실증적 전문가가 되는 것을 방해하는 것도 아니라는 점을 강조했습니다. 이해와 같은 AI 모델이 동일한 것으로 간주된다면 동일한 인간 능력이 존재할 가능성은 실제로 의심 스럽습니다.

관련 연구 논문은 "현대 AI에서 누락된 것은 무엇인가? 세계"라는 제목으로 "Intelligent Computing" 잡지에 게재되었습니다.

현재 AI 혁신의 물결 속에서 데이터와 컴퓨팅 성능은 AI 시스템 성공의 기초가 되었습니다. AI 모델의 기능은 AI 모델의 크기, 훈련에 사용되는 리소스, AI 모델의 규모에 정비례합니다. 훈련 데이터.

이 현상과 관련하여 DeepMind 연구 과학자 Richard S. Sutton은 이전에 AI의 "고통스러운 교훈"은 AI의 발전이 주로 점점 더 큰 데이터 세트와 점점 더 많은 컴퓨팅 리소스의 사용에 달려 있다는 것이라고 말했습니다.

AI 산업의 전반적인 발전에 대해 이야기하면서 Wooldridge는 긍정했습니다. “지난 15년 동안 AI 산업, 특히 머신러닝(ML) 분야의 발전 속도는 저를 계속해서 놀라게 했습니다. 무엇이 가능한지, 언제 가능한지 결정하기 위해 우리는 기대치를 끊임없이 조정해야 합니다. ."

그러나 Wooldridge는 또한 AI 산업의 현재 문제점을 지적하면서 "그들의 성과는 칭찬할 만하지만 대부분의 최신 대규모 ML 모델은 한 가지 핵심 요소로 제한된다고 생각합니다. AI 모델은 그렇지 않습니다.

Woodridge의 견해로는 대부분의 ML 모델은 비디오 게임과 같은 가상 세계에서 구축되지만, 실제 세계에 적용되면 중요한 정보를 잃게 됩니다.

자율주행차를 지원하는 인공지능을 예로 들면, 자율주행차가 스스로 학습하는 것은 비현실적입니다.

“그러나 그들은 가장 중요한 환경, 즉 우리 세계에서 실행할 능력이 없습니다.”라고 Wooldridge는 말했습니다.

반면에 언어 AI 모델은 틀림없이 그들은 터무니없이 무서운 예측 텍스트에서 Google의 LAMDA로 진화했습니다. 올해 초 전 Google 엔지니어는 인공 지능 프로그램 LAMDA가 지각이 있다고 주장하면서 헤드라인을 장식했습니다. Wooldridge는 LAMDA의 대화 기능에 깊은 인상을 받았고 그럴 만한 이유가 있다고 말했습니다. 그러나 그는 LAMDA가 지각이 있다고 생각하지 않으며 AI도 그에 가깝다고 생각하지 않습니다. Milestone.

“이러한 기본 모델은 자연어 생성에서 전례 없는 기능을 보여줍니다. 보다 자연스러운 텍스트 조각을 생성할 수 있으며 상식적인 추론 능력을 어느 정도 습득한 것으로 보입니다. 이는 지난 60년 동안 AI 연구의 주요 사건 중 하나입니다. ”

이러한 AI 모델은 대규모 매개변수의 입력이 필요하며 이를 이해하도록 훈련됩니다. 예를 들어 GPT-3는 인터넷에 있는 수천억 개의 영어 텍스트를 사용하여 훈련됩니다. 이러한 AI 모델은 인간의 두뇌와 유사하게 작동하며 좁은 작업을 넘어 패턴을 인식하고 주요 작업과 관련이 없는 것처럼 보일 수 있는 연결을 만들 수 있습니다

.

그러나 Wooldridge는 기본 모델이 내기라고 말했습니다. "대량 데이터를 기반으로 한 훈련은 다양한 분야에서 유용하며 특정 애플리케이션에 특화될 수 있습니다."

"Symbolic AI")는 ' 지능은 주로 지식 문제'라고 생각하는 반면, 기본 모델은 '지능은 주로 데이터 문제'라는 가정을 기반으로 하고 있습니다. 대규모 모델에 충분한 훈련 데이터를 입력하면 모델의 성능이 향상될 것으로 예상됩니다."

Wooldridge 보다 지능적인 AI를 생산하기 위해 이러한 "might is right" 접근 방식은 AI 모델의 규모를 계속 확장하지만 AI를 진정으로 발전시키는 데 필요한 실제 물리적 세계 지식을 무시한다고 믿습니다.

"공평하게 말하면 이것이 변화하고 있다는 몇 가지 조짐이 있습니다"라고 Wooldridge는 말했습니다. 지난 5월 DeepMind는 단순한 물리적 환경에서 실행될 수 있는 대규모 언어 세트와 로봇 공학 데이터를 기반으로 하는 기본 모델인 Gato를 발표했습니다.

“기본 모델이 물리적 세계로 첫 발을 내딛는 모습을 보는 것은 좋지만 작은 발걸음에 불과합니다. 우리 세계에서 AI를 작동시키려면 극복해야 할 과제가 최소한 AI를 작동시키는 것만큼 높습니다. 시뮬레이션된 환경에서는 도전 과제도 그만큼 크고 어쩌면 훨씬 더 클 수도 있습니다.”

문서 끝에서 Wooldridge는 다음과 같이 썼습니다. “우리는 AI로 가는 길의 끝을 찾고 있는 것이 아니라 끝에 도달했을 수도 있습니다. 길의.”

위 내용은 'AI 세상'의 단점은 무엇인가? 옥스퍼드 대학교 마이클 울드리지 교수: 현실 세계의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!