Strategija razvoja veštačke inteligencije: Zašto Gugl bira drugačiji put

Različiti prilazi razvoju inteligencije

Razvoj veštačke opšte inteligencije postao je glavno polje nadmetanja najvećih tehnoloških kompanija i istraživačkih laboratorija u svetu. Sa jedne strane nalaze se organizacije poput Open AI i Antropik, čiji lideri Sem Altman i Dario Amodei veruju da je ključ uspeha u konceptu rekurzivnog samousavršavanja. Njihova strategija zasniva se na pretpostavci da napredni sistemi veštačke inteligencije mogu samostalno pisati kvalitetniji kod i stvarati još sposobnije naslednike. Ova vizija podrazumeva kontinuirani ciklus u kome pametniji softver razvija još pametnije generacije algoritama.

Takav pristup zahteva masovnu primenu računarske snage i izgradnju gigantskih centara za obradu podataka. Filozofija ovih startapa oslanja se na ideju da se resursi mogu skalirati dok se ne postignu željeni rezultati. Ukoliko se na tom putu pojave prepreke ili potreba za novim arhitekturama, pretpostavlja se da će ih sami sistemi pronaći zahvaljujući ogromnim kapacitetima. Taj model zahteva stalna i enormna finansijska ulaganja kako bi se održao korak u trci.

Modeli sveta naspram predviđanja reči

Nasuprot tom smeru, prvi čovek Guglovog odeljenja DipMajnd, Demis Hasabis, zastupa znatno drugačiju naučnu teoriju. Istraživački timovi pod njegovim vođstvom fokusiraju se na sticanje dubljeg razumevanja naprednih sistema umesto na prosto povećanje kapaciteta. Hasabis smatra da automatizacija programiranja i predviđanje sledećeg simbola u nizu nisu dovoljni za dostizanje prave opšte inteligencije. Zbog toga se u težište istraživanja stavlja razvoj takozvanih modela sveta.

Modeli sveta predstavljaju sisteme koji mogu da simuliraju i razumeju zakone fizike i uzročno-posledične veze u realnom okruženju. Za razliku od standardnih jezičkih modela koji procenjuju verovatnoću sledeće reči, ovi sistemi nastoje da izgrade unutrašnju predstavu o funkcionisanju stvarnosti. Ova metodološka razlika ukazuje na postojanje dve potpuno različite hipoteze o samoj prirodi inteligencije. Dok jedni ulažu sve na optimizaciju koda, drugi traže dublju povezanost sa fizičkim svetom.

Dugoročne strategije i poslovni modeli

Ova tehnološka razmimoilaženja uveliko su uslovljena i samom prirodom poslovanja učesnika u ovoj trci. Mlade kompanije i startapi prinuđeni su da ostvare brzi napredak kako bi opravdali visoka ulaganja i obezbedili opstanak na tržištu. Njihov poslovni model direktno zavisi od uspeha veštačke inteligencije kao primarnog proizvoda. Zbog toga je za njih agresivno skaliranje jedini logičan i održiv izbor.

Sa druge strane, velika tehnološka kompanija poput Gugla ima stabilne izvore prihoda koji mogu godinama da subvencionišu dugoročna i rizična istraživanja. Odluka da se izabere drugačiji put nosi sa sobom i određene rizike, jer može dovesti do zaostajanja ako se konkurentski pristup pokaže bržim. Međutim, ukoliko se hipoteza o modelima sveta pokaže tačnom, DipMajnd bi mogao da preuzme vodeću ulogu u stvaranju opšte inteligencije. Ova trka stoga predstavlja fascinantan sukob dve poslovne i naučne filozofije.

Izvor: Alberto Romero, The Algorithmic Bridge · Fotografija: Pexels / Google DeepMind (ilustracija)