Kəşfiyyatın Memarları:Süni İntellektin Dünyası yaxud Dünyanı Dəyişdirib,İdarə Edən Alqoritm Beyin Adamları

BAKI,Forpost.az Milli Tədqiqatlar Mərkəzi
u]2025. Zaldakı hava qeyri-adi bir intizarla zümzümə edirdi - alqışlar və işıqlar mehribanlığı deyil, daha çox əhəmiyyətli bir şeyin baş verdiyinin sakit, elektrik şüuru. Mühəndislik üzrə Kraliça Elizabeth Mükafatı süni intellekt sahəsində dünyanın altı aparıcı zehnini bir araya gətirdi: Yoshua Bengio, Geoffrey Hinton, Yann LeCun, Fei-Fei Li, Bill Dally və Jensen Huang. Bir dəfə də olsun, onlar nə kod üzərində əyildilər, nə də təqdimat kürsüsündə dayandılar. Onlar sadəcə olaraq orada idilər, artıq dəyişdirdikləri dünyalar haqqında düşünürdülər və hələ gələcəklərini təsəvvür edirdilər. AI qabarcığı partlayacaqmı? Bugünkü qiymətləndirmələr reallıqdır, yoxsa şırınga? Maşınlar insan səviyyəli intellektə nə qədər vaxt çatır?

Aydındır ki, dünyanın məsuliyyətlə ambisiya, nəticə ilə baxışı ölçüb-biçən mütəfəkkirlərə ehtiyacı var. Yansıtmasız yenilik kompassız maşındır. Əsl humanizm cəsarət tələb edir - həqiqətən vacib olan sualları vermək cəsarəti: Biz hara gedirik? Biz kimə xidmət edirik? Biz daha yaxşı bir dünya qururuq, yoxsa daha sürətli?

Mən bunu təkcə Londonda keçirilən FT AI Sammitində məruzəçi kimi deyil, burada “aha” məqamları müasir AI-ni formalaşdıran bəzi memarlarla - Yoshua Bengio, Geoffrey Hinton, Yann LeCun, Fei-Fei Li və Jensen Huang ilə tanış oldum, həm də illərimi hüquq, hüquq, elm və texnologiyanın kəsişməsində keçirdiyim biri kimi yazıram. o vaxtdan bəri yazdığım kitablar. Mən çoxdan inanmışam ki, alimlərin hüquqşünaslardan, hüquqşünasların isə elm adamlarından öyrənməli olduğu dərslər var.


İdeyalar kofe söhbətləri və ya konfrans otaqları ilə məhdudlaşa bilməz; onlar etikanı, siyasəti və innovasiyanı eyni şəkildə formalaşdıraraq xaricə dalğalanmalıdırlar . Süni intellekt nə sürət, nə miqyas, nə də tək zəka məsələsidir; məqsəd məsələsidir. Və bu texnoloji inqilabda bəşəriyyətin üstünlüyünü təmin etmək üçün təcrid deyil, dialoq və sadəcə reaksiya deyil, düşünmək lazımdır. Gələcək ən sürətli maşını kimin edə biləcəyi ilə deyil, ən çətin sualları soruşmaq və cavablandırmaq cəsarətinə malik olanlar tərəfindən müəyyən ediləcək: Zəka nədir? Və nə olmalıdır?

Məhz bu amansız məna axtarışı – məsuliyyətlə uzlaşan məqsəd – süni intellekt qabaqcıllarının müəyyən “Aha” anlarını, kəşf yolunu işıqlandıran məqamları, biliyin sərhədlərini və transformativ innovasiyada iştirak edən etik məsuliyyətləri doğurur.

Yoshua Bengio üçün iki həlledici məqam var. İlk izlər onun aspiranturada oxuduğu günlərə, Jeff Hintonun qabaqcıl işinə rast gəldiyi zamana gedib çıxır. Bu ilk sənədləri oxumaq təəccüb hissi doğururdu: insan zəkasını təsvir edən və həqiqətən də ağıllı maşınların qurulmasına rəhbərlik edən bəzi fundamental prinsiplər - demək olar ki, fizika qanunları kimi sadə, zərif qaydalar ola bilərmi? Bu maraq onu maşın öyrənməsində kəşfiyyat yoluna çıxardı.

İkinci dönüş nöqtəsi daha sonra, təxminən iki il yarım əvvəl, ChatGPT-nin buraxılmasından sonra gəldi. Maşınların o vaxta qədər dili başa düşə biləcəyi və bizim bilavasitə nəzarətimizdən kənar məqsədlərə nail ola biləcəyi reallığı ilə üz-üzə qalaraq, o, ciddi bir dərklə üzləşdi: əgər bu sistemlər bir gün insan zəkasını üstələsə və ya səhv əllərə düşsə? Bu an oyanma zəngi idi; o, özünü qabaqcıl süni intellektin dərin etik və sosial problemlərinin həllinə həsr edərək tədqiqat gündəmini tamamilə yönləndirdi. Birlikdə bu vinyetkalar həm kəşf həyəcanını, həm də Bengionun səyahətini müəyyən edən məsuliyyətin ağırlığını əks etdirir: uzaqgörənlik marağı ilə təcili praqmatizm qarışığı.

Bill Dally trayektoriyasında iki anı xatırlayır. 1990-cı illərdə Stenfordda o, məlumatlara çıxış sürəti ilə hesablama sürəti arasında bahalı bir əlaqə olan “yaddaş divarına” vurdu. Problem, hesablamaları axınlarla sərbəst şəkildə bağlanmış nüvələrə yenidən təşkil etmək üçün stimullaşdırıcı bir problem idi. Bu, qrafikadan kənar elmi hesablamanın açarı adlandırılan bugünkü GPU hesablamasının öncülü olan axın emalı idi.
2010-cu ildə həmkarı Andrew Ng ilə təsadüfi səhər yeməyinə qədər ikinci epifaniya baş verdi. Ng-nin pişikləri onlayn tanımaq üçün 16.000 CPU-da neyron şəbəkələri işlətdiyini görəndə Dally bilirdi ki, GPU-lar dərin öyrənmədə inqilab yarada bilər.


Geoffrey Hinton əsas nailiyyətlərindən birini əks etdirir: 1980-ci illərdə ardıcıllıqla növbəti sözü proqnozlaşdırmaq üçün geri yayılma tətbiq etmək. 100 nümunə üzərində öyrədilmiş bu kiçik dil modeli göstərdi ki, maşınlar dilin mənalı xüsusiyyətlərini öyrənə bilir, bu gün böyük dil modellərinin ən erkən öncüllərindən biridir. Prinsiplər sağlam idi, lakin hesablama gücünün, məlumatların və infrastrukturun yetişməsi 40 il çəkdi.


Jensen Huang aparat sahəsində paralel səyahəti xatırlayır: o, birinci nəsil çip dizayneri olaraq 2010-cu ildə dərin öyrənmə çərçivələrinin strukturlaşdırılmış çip dizaynı ilə paralel olduğunu söyləmişdi. Nvidia-nın GPU-larının bir çox prosessor və məlumat mərkəzlərində genişləndirilməsinə səbəb olan bu fikir müasir süni intellekt tətbiqləri, o cümlədən LLM-lər üçün xam hesablama əzələsini təmin etdi. Huang üçün bu, dərin öyrənmə vədinin qığılcımı idi; qalanı sadəcə miqyasda mühəndislik idi: optimallaşdırın, ekstrapolyasiya edin və bu sistemlərin nəyə qadir olduğuna dair məhdudiyyətləri təsəvvür edin.

Fei-Fei Li karyerasında iki əsas dönüş nöqtəsini xatırlayır. Birincisi, 2006-2007-ci illərdə, o, aspirantdan dosent vəzifəsinə keçərkən, maşınların vizual tanınması üzərində işləyirdi. O, başa düşdü ki, alqoritmlər darboğaz deyil, verilənlər idi. Onun ikinci müəyyənedici anı 2018-ci ildə, Google Cloud-un ilk AI baş alimi seçildiyi zaman gəldi. Texnologiya həyatı dəyişdirməyə başlayanda - səhiyyə sahəsində nailiyyətlərdən maliyyə xidmətlərinə qədər - o, həm vədinin, həm də məsuliyyətinin şahidi oldu. AlphaGo kimi mərhələlərdən ilhamlanan Fei-Fei bir amansız nəticəyə gəldi: bu güclü texnologiyanın bəşəriyyətə həqiqətən xidmət etməsini təmin edəcək bəzi rəhbər çərçivəyə ehtiyacı var. Və bu inam onu ​​tam əhatə dairəsini Stenforda qaytardı, burada o, İnsan Mərkəzli Süni İntellekt İnstitutunun həmtəsisçisi olduğu bir sadə, lakin dərin inamla əsaslandırıldı: texnologiya həmişə insanları, onların xeyirxahlıq və etik mühakimə qabiliyyətini ürəyində yerləşdirməlidir.

Yann LeKunun dediyinə görə, o, süni intellektlə bakalavr ikən maraqlanıb, çünki maşınların proqramlaşdırılmadan öyrənə bilməsi fikri cəlbedici idi. O, tezliklə başa düşdü ki, kəşfiyyat özünü təşkil edir; beləliklə, onun marağı onu 1980-ci illərin əvvəllərində Ceff Hintonun işinə apardı. Onların çox qatlı neyron şəbəkələrinin öyrədilməsi ilə bağlı ortaq vəsvəsələri, sonralar qeyri-mümkün hesab olunurdular - dərin öyrənmədə onilliklər ərzində irəliləyişlər üçün zəmin yaratdılar. Başlanğıcda Yann nəzarət altında olan öyrənmə, etiketli nümunələr vasitəsilə maşınları öyrətmək üçün idi, sonrakı illərdə isə öz-özünə idarə olunan və nəzarətsiz metodların güclü tərəfləri – AI-yə öz nümunələrini tapmağa imkan verən – onun üzərində böyüdü. Bu gün bu, böyük dil modelləri üçün təməl yanaşmadır, baxmayaraq ki, bu cür metodların video və ya sensor daxiletmə kimi daha çətin məlumatlara tətbiqinə gəldikdə hələ də bəzi çətinliklər var. Yannın fikrincə, bu sürətli yüksəliş təkcə texniki inqilab deyil; biznesi və cəmiyyəti, eləcə də geosiyasəti dəyişir. Bununla belə, o, bizə xatırlatdı ki, bu, hələ də inkişaf etməkdə olan texnologiyadır və onun potensialından gələcək nailiyyətlərlə düzgün şəkildə istifadə edilə bilər.

Süni intellektin qabarcıq içində olub-olmadığını soruşduqda, Jensen Huang iddia etdi ki, bu, dot-com dövrünə bənzəmir: bu gün demək olar ki, hər bir GPU yalnız spekulyativ şırınga deyil, real tətbiqləri gücləndirmək üçün tam istifadə olunur. İki amil AI-nin bu eksponensial artımına səbəb olur: getdikcə daha çox hesablamalara ehtiyacın sürətli artımı və bir çox müxtəlif sahələrdə modellərin sürətlə mənimsənilməsi. Ənənəvi proqram təminatından fərqli olaraq, süni intellekt real vaxtda kəşfiyyat yaradır və bunun üçün böyük infrastruktur tələb olunur, Jensen bunu əvvəllər heç vaxt görülməmiş miqyasda dəyər istehsal edən fabriklərə bənzədir.

Fei-Fei Li əlavə etdi ki, süni intellekt hələ də gəncdir - əsrlər boyu fizika ilə müqayisədə 70 yaşından azdır - qarşıda böyük sərhədlər var. Mövcud modellər dildə üstündür, lakin məkan mülahizələrində və daha geniş koqnitiv tapşırıqlarda geridə qalır və innovasiya üçün böyük imkanlar buraxır. Bill vurğuladı ki, süni intellekt insanları əvəz etməməli, təkmilləşdirməlidir - insanlar üçün qeyri-mümkün miqyasda işlər görərkən unikal imkanlarımızı gücləndirməlidir.

Vaxt təxminləri dəyişir: Bəzi imkanlar minlərlə obyektin tanınması və ya bir çox dillərin tərcüməsi kimi dar domenlər üçün insan səviyyəsindəki performansdan xeyli kənarda olsa da, tam AGI üçün vaxt miqyası qeyri-müəyyən olaraq qalır. Mütəxəssislərin fikrincə, bu tədricən və qeyri-bərabər trayektoriyada, ən çoxu yaxın 5-20 il ərzində insan düşüncəsinə rəqib ola biləcək sistemlər hazırlana bilər. Bir şey haqqında konsensus var: AI klassik mənada bir qabarcıq deyil.

Biz bu daha böyük canlı ekosistemin yalnız bir parçası kimi LLM-lər və digər modellərlə kəşfiyyat sahəsində nəhəng inkişafın başlanğıcındayıq. Bazarlar aşağı düşə bilər və yəqin ki, axacaq, lakin davamlı texnoloji artım, tətbiqlər və infrastruktur inkişafı qəfil çöküşdən daha çox transformativ trayektoriyaya işarə edir.[/u]скачать dle 12.1