Тестът на Тюринг бе издържан. И какво следва? Специалистите по изкуствен интелект предлагат да научим роботите да живеят, вместо да се преструват

Днес ИИ не просто търси отговора в Google – той мисли, греши и спори.

Изкуственият интелект постигна впечатляващи резултати в тестове като този на Тюринг, но учените предупреждават, че тези успехи могат да бъдат измамни. Моделите са се научили да си „играят“ с еталонните тестове, но не са станали по-умни в човешкия смисъл на думата. Изследователи от DeepMind, подразделение на Google, смятат, че проблемът не е в самите тестове, а в начина, по който обучаваме ИИ. Настоящите модели са твърде зависими от фиксираните набори от данни и кратките заявки и никога няма да успеят да преминат отвъд присъщите им ограничения – освен ако не им се даде възможност да се учат от собствения си опит.

В нова статия, публикувана като част от предстояща книга на MIT Press, водещите експерти по изкуствен интелект Дейвид Силвър и Ричард Сътън предлагат нова парадигма – „ерата на опита“. Те смятат, че ако позволим на ИИ не само да отговаря на въпросите, но и да натрупва собствен опит от взаимодействието си със света, той ще може да формира цели, да се учи от грешките си и да се адаптира. Именно това според тях липсва в днешните езикови модели като ChatGPT.

Силвър и Сътън не са просто теоретици. Първият стои зад AlphaZero – програма, която спечели световните шампионати по шахмат и Го. Вторият е един от разработчиците на метода за обучение чрез подсилване, за който получи наградата „Тюринг“. Тяхното предложение се основава на този подход и го развива чрез концепцията за „потоци“ – непрекъснатия опит, който изкуственият интелект трябва да придобие, докато работи в реалния свят.

Проблемът, както те го описват, е, че настоящите ИИ модели са твърде зависими от човешките указания. Ние им даваме инструкции, на които те отговарят, без да излизат извън рамките на даденото. Подобни модели не могат да открият нещо ново или неочаквано – тяхното поведение е ограничено от човешките очаквания. А ключът към прогреса е способността на ИИ да открива себе си, да си поставя собствени цели и да намира начини да ги постига.

Модели като AlphaZero могат да играят шах и други точно определени игри, но са безсилни в реалните и несигурни ситуации. За разлика от тях генеративният ИИ умее да се справя с непредсказуемите човешки заявки. Но при него е изоставено обучението с подсилване, като е загубена най-важната част – способността да се учи от опита, а не само от данните. Резултатът е липсата на спомени, неразбиране на контекста между сесиите и липсата на способност за адаптиране към дългосрочните задачи.

„Потоците от опит“, според DeepMind, могат да променят това. Вместо кратки взаимодействия с потребителя, ИИ ще има непрекъснат поток от взаимодействия със заобикалящия го свят – като човек, който се учи през целия си живот. Подобни ИИ ще могат не само да реагират, но и да наблюдават, да запомнят, да се адаптират и да си поставят цели, водени не само от командите, но и от сигналите на околната среда.

Изследователите подчертават, че всичко необходимо за започване на работа вече е налице. Примери за това са базираните на браузъра агенти с изкуствен интелект, които могат да взаимодействат с мрежата с помощта на интерфейс – съвсем като човек. Това вече е стъпка от обикновената текстова комуникация към по-автономни действия. Следващата стъпка е да се позволи на ИИ да получава „награди“ от заобикалящия го свят, както при обучението с подсилване. Това могат да бъдат показатели за ефективност, разходи, грешки, здраве, производителност, доходи, харесвания, климат и стотици други сигнали, които вече съществуват около нас.

ИИ може да започне със симулации от типа „модели на света“, в които ще тества хипотези, ще получава обратна връзка и ще коригира поведението си. При взаимодействието му с реалността този модел ще става все по-точен. Потребителят все още може да задава цели – например „да подобря физическата си форма“ или „да ми помогне да науча испански език“ – и системата ще намери начини да ги постигне, като използва целия набор от наличен опит.

Тези агенти ще могат да съпровождат даден човек в продължение на години, а не само в рамките на една сесия: да проследяват храненето, здравето, напредъка в обучението и да изграждат сложни дългосрочни стратегии. Или, както пишат авторите, да се занимават с реални научни задачи – моделиране на климата, разработване на нови материали, оптимизиране на икономиката.

Според Силвър и Сътън такива „опитни агенти“ биха могли да надминат сегашните модели, дори и тези, за които се твърди, че са „интелигентни“ или „разсъждаващи“ – като Gemini, DeepSeek R1 и OpenAI o1. Тези модели, твърдят изследователите, просто възпроизвеждат човешките мисли – и повтарят същите грешки и пристрастия, които правят хората. Истинският напредък е възможен, ако ИИ може да се опира не на миналото на човечеството, а на собствения си опит.

Разбира се, този подход крие рискове. Автономните агенти, способни да работят в свят без постоянен човешки контрол, могат да се окажат проблем – включително в икономиката. Но в същото време, подчертават авторите, тези системи ще могат да се адаптират: те ще могат да разпознават човешкото недоволство и да променят поведението си така, че да не причиняват вреда. Основното е да се поставят правилните цели.

Идеята за „ерата на опита“ не е просто нов модел, а промяна на парадигмата. Според DeepMind данните, генерирани от ИИ от собствения му опит, ще бъдат многократно по-големи и по-полезни от всичко, което човечеството някога е записвало във Wikipedia или Reddit. Това не е просто следващата стъпка – това е пътят към истинската свръхинтелигентност.