W niedawnym wywiadzie potentat technologiczny Elon Musk złożył śmiałą przewidywanie, stwierdzając, że wierzy, iż sztuczna ogólna inteligencja (AGI) – sztuczna inteligencja o zdolnościach poznawczych zbliżonych do ludzkich i zaawansowanej zdolności uczenia się – może przekroczyć inteligencję ludzką do końca roku. Ta odważna prognoza zależy od dostaw energii i komponentów sprzętowych nadążających za przyspieszającymi wymaganiami rozwijających się technologii.
Musk, znany z zamiłowania do odważnych prognoz, ma zróżnicowany dorobek w zakresie trafnych przewidywań przyszłości technologicznej. Jego twierdzenia były zróżnicowane w ciągu czasu. W przeszłości CEO SpaceX i Tesli przewidywał niezawodne autonomiczne pojazdy elektryczne w ciągu roku – dekadę temu. Kilka lat temu przepowiedział, że Neuralink wszczepi chipy do ludzkich mózgów do 2020 roku; przełożonej o cztery lata kamienia milowego.
Do końca 2023 roku Musk zbiegł się z Demisem Hassabisem, współzałożycielem DeepMind należącego do Google, przewidując nadejście AGI do 2030 roku. Jednak po niedawnych postępach Musk obecnie sugeruje, że na osiągnięcie tego celu może wystarczyć zaledwie 18 miesięcy, zasugerowawszy istnienie nieujawnionych rozwojów w sektorze sztucznej inteligencji.
Prominentni eksperci ds. sztucznej inteligencji, tacy jak Hassabis i Sam Altman, CEO OpenAI, przyznają, że AGI jest na horyzoncie, ale uważają ramy czasowe Muska na 2025 rok za nierzeczywiste. Hassabis sugeruje, że bardziej realistyczną datą może być rok 2030, biorąc pod uwagę postępy od powstania DeepMind w 2010 roku. Altman wstrzymuje się od formulowania prognoz czasowych, podkreślając złożoność przewidywania rozwoju AGI.
Yann LeCun, gwiazda sztucznej inteligencji w dywizji AI Meta, proponuje bardziej konserwatywną ocenę, sugerując, że przejście do lepszych modeli sztucznej inteligencji może zająć dekady i zauważając, że obecne modele AI są w najlepszym przypadku w swoich początkowych etapach uczenia, porównywalne do kota. Wizja Muska stanowczo kontrastuje z szerszym konsensem naukowym, co skłania sceptyków do zastanowienia się, czy jest wizjonerem ukrywającym znaczące postępy, czy też ponownie wykorzystuje śmiałe oświadczenia, by przyciągnąć uwagę świata.
Aktualne trendy rynkowe:
Przemysł sztucznej inteligencji w ostatnich latach przechodzi gwałtowną ekspansję. Zarówno nowo powstałe start-upy, jak i uznane firmy technologiczne inwestują znaczne środki w uczenie maszynowe, sieci neuronowe i przetwarzanie języka naturalnego w celu stworzenia bardziej zaawansowanych aplikacji AI. Giganci chmury obliczeniowej, tacy jak Amazon Web Services, Microsoft Azure i Google Cloud, dostarczają AI jako usługę, umożliwiając firmom integrację możliwości AI bez konieczności rozwijania technologii we własnym zakresie.
Jeśli chodzi o sprzęt, obserwujemy tendencję do rozwoju specjalizowanych układów scalonych AI, które są bardziej efektywne w zastosowaniach sieci neuronowych. Firmy takie jak NVIDIA, Intel i Graphcore rywalizują o stworzenie układów, które przyspieszą trenowanie i wnioskowanie w AI.
Obserwujemy również zauważalny trend w open-source AI, gdzie projekty jak TensorFlow i PyTorch umożliwiają programistom tworzenie i udostępnianie algorytmów AI bezpłatnie, demokratyzując dostęp do najnowszych badań i narzędzi.
Prognozy:
Firmy analityczne takie jak Gartner i IDC prognozują znaczny wzrost rynku AI, przewidując, że globalne przychody z tego tytułu wzrosną do setek miliardów dolarów w ciągu najbliższych lat. Przewidują także, że przyjęcie AI będzie kontynuowane w różnych branżach, w tym w opiece zdrowotnej, finansach, transporcie i handlu detalicznym.
Główne wyzwania i kontrowersje:
Jednym z kluczowych kontrowersji wokół nadejścia lepszej AI jest etyczne implikacje takiej technologii. Kwestie takie jak prywatność, bezpieczeństwo, automatyzacja zawodów, autonomia podejmowania decyzji i możliwość nadużyć lub niezamierzonych skutków są ważnymi wątkami dyskusji.
Istnieją także wyzwania techniczne, takie jak trwające zmagania społeczności AI z problemem „czarnej skrzynki”, gdzie procesy podejmowania decyzji przez modele uczenia głębokiego są trudne do zinterpretowania przez ludzi.
Innym problemem jest wpływ środowiskowy trenowania AI, który wymaga znacznej konsumpcji energii, co skłania do postulowania bardziej zrównoważonych praktyk rozwoju w dziedzinie AI.
Zalety:
– Wydajność: Lepsza AI może wykonywać zadania znacznie szybciej i precyzyjniej niż ludzie, poprawiając produktywność w wielu sektorach.
– Innowacyjność: AGI ma potencjał do rozwiązywania złożonych problemów, które obecnie przekraczają ludzkie możliwości, np. modelowanie zmian klimatu czy odkrywanie nowych leków.
– Wzrost gospodarczy: Postępy w dziedzinie AI mogą stymulować wzrost gospodarczy poprzez tworzenie nowych segmentów przemysłu i poprawę istniejących.
Wady:
– Automatyzacja pracy: AI może zautomatyzować role, które obecnie pełnią ludzie, prowadząc do znacznych zakłóceń na rynku pracy i wymagając istotnego przekwalifikowania siły roboczej.
– Problemy etyczne i moralne: Podejmowanie decyzji przez AI może nie mieć ugruntowanych ludzkich wartości, co rodzi obawy dotyczące sprawiedliwości, odpowiedzialności i moralności.
– Kontrola i bezpieczeństwo: Zapewnienie, że AGI jest zgodne z intencjami ludzkimi i nie może działać wbrew interesom ludzkim, stanowi istotne wyzwanie techniczne, które wciąż pozostaje do rozwiązania.
W dziedzinie badań, rozwoju i komercjalizacji technologii AI główni gracze, tak jak OpenAI i DeepMind, nadal przesuwają granice. Dla zainteresowanych śledzeniem najnowszych wydarzeń w tej dynamicznie rozwijającej się dziedzinie, oto kluczowe źródła:
– Badania i trendy w dziedzinie AI: DeepMind
– Technologie i zastosowania AI: OpenAI
– Usługi AI w chmurze: Amazon Web Services, Microsoft Azure i Google Cloud
Ram czasowy sugerowany przez Muska jest o wiele wcześniejszy niż większość ekspertów się zgadza, ale tylko czas pokaże, czy jego przewidywanie się sprawdzi czy też znowu będzie zbyt optymistyczne.