Бъдещето на изкуствения интелект: един вътрешен модел на реалността може да промени всичко

Дали машините вече са на прага на истинското мислене?

В изследователските центрове, които се стремят да създадат общ изкуствен интелект, все по-често се обсъждат световни модели. С този термин се обозначава вътрешната схема на външната среда, която системата формира в себе си, подобно на миниатюрен „снежен глобус“ със симулация на реалността. Тази структура дава възможност на алгоритмите да проиграват предварително най-различни сценарии и да оценяват последствията от действията, преди те да бъдат реализирани. Ян Лекун от Meta, Демис Хасабис от Google DeepMind и Йошуа Бенгио от Института Мила смятат, че именно тези механизми ще се превърнат в основата на истински интелигентните и безопасни технологии.

Човешкият мозък работи по подобен начин: вътрешната представа ви подсказва да се пазите от пътя на влака, без да изисква от вас да проверите хипотезата чрез опит. Експертите обаче нямат консенсус по въпроса какво точно трябва да съдържа един такъв модел. Някои спорят за детайлността на елементите, други за това дали той е вроден или се формира по време на обучението. Не е ясно и как да се определи, че даден алгоритъм въобще има цялостно отражение на действителността, а не е набор от повърхностни похвати.

Идеята се заражда още през 1943 г. Шотландският психолог Кенет Крейк изказва хипотезата, че един организъм, притежаващ умалена версия на външния свят, може спокойно да възпроизвежда варианти на поведение и да избира най-успешните. Тази идея предвещава когнитивната революция от 50-те години и свързва мисленето с изчисленията: Крейк смята, че способността да се симулират най-различни събития е основно свойство както на невронните мрежи, така и на машините.

През 70-те години този подход намира приложение в изкуствения интелект. Програмата SHRDLU демонстрираше елементарен здрав разум, като отговаряше на въпроси за свойствата на обектите в условен „свят от кубчета“. Но подобни ръчни конструкции не можеха да издържат на нарастването на сложността: колкото повече се доближаваха до реалността, толкова по-бързо се сриваха. През осемдесетте години на миналия век специалистът по роботика Родни Брукс се отказа напълно от тази идея, като заяви, че най-добрият модел на света е самата среда, а явните описания само пречат.

Ситуацията се промени с развитието на машинното обучение и дълбоките мрежи. Вместо строги правила те постепенно изградиха приблизителни картини на околната среда чрез опит, което направи възможно решаването на ограничени проблеми като управлението на виртуален автомобил на състезателна писта. През последните години, когато големи езикови модели като ChatGPT започнаха да показват неочаквани способности – отгатване на филми по техните емотикони или игра на настолен Отело – моделите на света се превърнаха в удобно обяснение. Известни учени като Джефри Хинтън, Иля Суцкевер и Крис Ола предположиха, че някъде в дълбините на параметрите се крие точно това „умалено копие на реалността“, за което пише Крейк.

Но практиката все още не е потвърдила очакванията. Съвременните генеративни системи натрупват множество разнородни евристики – правила за отделните случаи, които не се събират в единна картина. Понякога те дори си противоречат взаимно. Това ни напомня за притчата за слепците и слона: единият от тях опипва хобота и смята, че пред него има змия, другият държи крака му и мисли, че е дърво, третият хваща опашката и смята, че е въже. Опитите на изследователите да открият цялостно представяне в рамките на модела, като например игралното поле в „Отело“, показват само отделни фрагменти, но не и единен образ.

Въпреки това дори и тези набори от правила не са безполезни. Огромните параметри на езиковите модели позволяват съхраняването им в колосални количества, а обемът често компенсира липсата на структура. Неотдавна специалисти от Харвард и Масачузетския технологичен институт показаха, че системата може точно да начертае маршрути между всякакви точки в Манхатън, въпреки че не разполага с цялостна карта на улиците – само с разпръснати подсказки. Но ако бе блокиран случайният 1% от пътищата, точността веднага спадаше. Ако вътре имаше кохерентна карта, щеше да е лесно да се пренареди пътят.

Ето защо моделите на света се смятат за толкова желан резултат. Те обещават стабилност и предсказуемост там, където хаотичният набор от евристики се проваля. Възможността за изграждане на проверими вътрешни представи предлага перспективи за борба с халюцинациите на изкуствения интелект, като прави разсъжденията по-надеждни, а работата – по-прозрачна. Учените и корпорациите виждат в това шанс да се доближат, макар и не до пълен AGI, но поне до инструменти, които могат да бъдат обяснени и проверени.

Пътят напред засега остава открит. DeepMind и OpenAI разчитат на обучение чрез използване на „мултимодални“ данни – видео, триизмерни симулации и други формати, които надхвърлят текста – за да може в мрежите спонтанно да се формира съгласувана структура. Ян Лекун е убеден, че ще е необходима напълно различна архитектура, която не е пряко свързана с генеративните подходи. Никой не разполага с кристална топка в търсене на тези изчислителни „снежни топки“, но този път победата може би наистина си заслужава усилията.

Въпреки огромния си напредък, съвременният изкуствен интелект все още се бори с фундаментален проблем: той разполага с безкрайна памет (информация), но не притежава истинско разбиране на света. Концепцията за „вътрешен модел на реалността“ може изцяло да промени ситуацията.