«Ο ανταγωνισμός στην Τεχνητή Νοημοσύνη είναι ένα άπειρο παιχνίδι. Ο τελικός νικητής δεν είναι η χώρα που εφευρίσκει την τεχνολογία, αλλά η χώρα που μπορεί να την εφαρμόσει σε μεγάλη κλίμακα και αποτελεσματικά.»
Στις 3 Μαΐου, ο Διευθύνων Σύμβουλος της NVIDIA, Jensen Huang, έδωσε συνέντευξη στο The Hill & Valley Forum, όπου συζήτησε την βασική έννοια του «εργοστασίου τεχνητής νοημοσύνης», εξήγησε τα στάδια ανάπτυξης της «φυσικής τεχνητής νοημοσύνης» και διερεύνησε το παγκόσμιο τοπίο του ανταγωνισμού της τεχνητής νοημοσύνης, καθώς και πώς η τεχνητή νοημοσύνη και τα ψηφιακά δίδυμα (twin digitals) ενδυναμώνουν την προηγμένη κατασκευή.
Ο Huang δήλωσε ότι ο ανταγωνισμός στην Τεχνητή Νοημοσύνη είναι ένα άπειρο παιχνίδι και ο τελικός νικητής δεν είναι η χώρα που εφευρίσκει την τεχνολογία, αλλά η χώρα που μπορεί να εφαρμόσει την τεχνολογία σε μεγάλη κλίμακα και αποτελεσματικά. Προέβλεψε επίσης ότι τα ρομπότ που κινούνται με Τεχνητή Νοημοσύνη, λόγω των περιορισμένων λειτουργικών τους περιβαλλόντων, αναμένεται να επιτύχουν μαζική παραγωγή μεγάλης κλίμακας και ευρεία εφαρμογή εντός πέντε ετών, ταχύτερα από τα αυτόνομα αυτοκίνητα.
Όπως τόνισε:
Η σύγχρονη Τεχνητή Νοημοσύνη εισήλθε πραγματικά στο κοινό πριν από περίπου 12 με 14 χρόνια, με την έλευση του AlexNet και σημαντικές ανακαλύψεις στην υπολογιστική όραση, γύρω στο 2012. Σήμερα, έχουμε αναπτύξει μοντέλα Τεχνητής Νοημοσύνης που μπορούν να κατανοήσουν τις έννοιες διαφόρων τύπων πληροφοριών και να επιδείξουν νοημοσύνη. Επομένως, το πρώτο κύμα της Τεχνητής Νοημοσύνης ήταν η αντιληπτική Τεχνητή Νοημοσύνη. Πριν από περίπου πέντε χρόνια, οι άνθρωποι άρχισαν να συζητούν το δεύτερο κύμα: την γενετική Τεχνητή Νοημοσύνη. Ο πυρήνας της γενετικής Τεχνητής Νοημοσύνης είναι ότι τα μοντέλα Τεχνητής Νοημοσύνης μπορούν όχι μόνο να κατανοήσουν την έννοια των πληροφοριών, αλλά και να τις μετασχηματίσουν, όπως μεταφράζοντας τα αγγλικά στα γαλλικά ή μετατρέποντας περιγραφές κειμένου σε εικόνες – οι εικόνες μπορούν να δημιουργηθούν μέσω προτροπών. Μπορεί να ειπωθεί ότι η γενετική Τεχνητή Νοημοσύνη είναι ουσιαστικά ένας παγκόσμιος μεταφραστής που κατανοεί την ανθρώπινη γλώσσα. Αυτό είναι το δεύτερο κύμα.
Το τρέχον κύμα είναι ότι η Τεχνητή Νοημοσύνη έχει την ικανότητα να κατανοεί και να δημιουργεί. Ωστόσο, η πραγματική νοημοσύνη απαιτεί επίσης την επίλυση άγνωστων προβλημάτων και την αναγνώριση νέων καταστάσεων. Το επιτυγχάνουμε αυτό μέσω της συλλογιστικής: χρησιμοποιώντας μαθημένους κανόνες, νόμους και αρχές για να αναλύσουμε σταδιακά τα προβλήματα, και ακόμη και όταν αντιμετωπίζουμε νέες προκλήσεις, μπορούμε να βρούμε λύσεις μέσω της συλλογιστικής. Αυτή είναι μια από τις βασικές δυνατότητες της νοημοσύνης και σηματοδοτεί την είσοδό μας στην εποχή της συλλογιστικής της Τεχνητής Νοημοσύνης. Η συλλογιστική της Τεχνητής Νοημοσύνης μπορεί να δημιουργήσει ψηφιακά ρομπότ, τα οποία ονομάζουμε Τεχνητή Νοημοσύνη που βασίζεται σε πράκτορες, που σημαίνει ότι διαθέτουν αυτονομία. Αυτός ο τύπος Τεχνητής Νοημοσύνης μπορεί να κατανοεί εργασίες, να μαθαίνει αυτόνομα να διαβάζει, να χρησιμοποιεί εργαλεία όπως αριθμομηχανές, προγράμματα περιήγησης και υπολογιστικά φύλλα και τελικά να ολοκληρώνει καθορισμένες εργασίες, όπως η πρόσβαση στο SAP για τη διαχείριση θεμάτων της εφοδιαστικής αλυσίδας ή η σύνδεση με το Workday για τη διαχείριση ανθρώπινου δυναμικού. Αυτές οι Τεχνητές Νοημοσύνης που βασίζονται σε πράκτορες είναι ουσιαστικά ψηφιακά ρομπότ εργασίας. Στο μέλλον, η γενιά των CEOs μας θα διαχειρίζεται τόσο τη βιολογική όσο και την ψηφιακή εργασία, με τα παραδοσιακά τμήματα HR να είναι υπεύθυνα για την πρώτη, ενώ τα τμήματα πληροφορικής θα εξελιχθούν σε “κέντρα ανθρώπινου δυναμικού” για την Τεχνητή Νοημοσύνη που βασίζεται σε πράκτορες. Αυτό είναι το στάδιο στο οποίο βρισκόμαστε αυτήν τη στιγμή.
Το επόμενο κύμα θα ωφελήσει τις μεγαλύτερες βιομηχανίες παγκοσμίως. Απαιτεί από την Τεχνητή Νοημοσύνη να κατανοήσει θεμελιώδεις έννοιες όπως οι φυσικοί νόμοι, η τριβή, η αδράνεια και η αιτιότητα. Για παράδειγμα, ένα αντικείμενο που ανατρέπεται θα πέσει, ένα μπουκάλι τοποθετημένο σε ένα τραπέζι δεν θα διαπεράσει την επιφάνεια του τραπεζιού. Οι περισσότερες Τεχνητές Νοημοσύνης δεν διαθέτουν την ικανότητα φυσικής συλλογιστικής κοινής λογικής που διαθέτουν τα παιδιά, ακόμη και τα κατοικίδια. Εάν μια μπάλα κυλήσει από έναν πάγκο κουζίνας και εξαφανιστεί, η Τεχνητή Νοημοσύνη μπορεί να νομίζει ότι έχει εξαφανιστεί εντελώς, αλλά ένας σκύλος ξέρει ότι η μπάλα βρίσκεται στην άλλη πλευρά. Ο σκύλος κατανοεί την έννοια της μονιμότητας του αντικειμένου και συνειδητοποιεί ότι η μπάλα δεν έχει εισέλθει σε άλλο σύμπαν, οπότε θα περιπλανηθεί γύρω από το τραπέζι για να την ανακτήσει.
Τα ρομπότ πρέπει επίσης να μάθουν: για να φτάσουν από τη μία πλευρά του τραπεζιού στην άλλη, δεν μπορούν να περάσουν κατευθείαν από εκεί. Πρέπει να βρουν μια λογική παράκαμψη. Αυτός ο τύπος φυσικής συλλογιστικής είναι αυτό που ονομάζουμε φυσική Τεχνητή Νοημοσύνη. Η ενσωμάτωση της φυσικής Τεχνητής Νοημοσύνης σε μια φυσική οντότητα που ονομάζεται «ρομπότ» έχει ως αποτέλεσμα τη ρομποτική. Αυτό είναι κρίσιμο για εμάς σήμερα, καθώς εργοστάσια κατασκευάζονται δυναμικά σε όλες τις Ηνωμένες Πολιτείες. Ελπίζουμε να κατασκευάσουμε αυτές τις εγκαταστάσεις με τρόπο που να αξιοποιεί πλήρως την τελευταία λέξη της τεχνολογίας. Επομένως, ελπίζουμε ότι η νέα γενιά εργοστασίων που θα κατασκευαστούν την επόμενη δεκαετία θα είναι πλήρως αυτοματοποιημένη για να μας βοηθήσει να αντιμετωπίσουμε τις εκτεταμένες σοβαρές ελλείψεις εργατικού δυναμικού παγκοσμίως.
photo: pixabay
