Iako znanstvenici na razvoju umjetne inteligencije rade već godinama, ističu kako smo još daleko od umjetne inteligencije koja bi mogla parirati čovjeku po svojoj raznovrsnosti i sposobnostima. No, čini se kako su u DeepMindu došli veoma blizu toj točki.
Gato🐈a scalable generalist agent that uses a single transformer with exactly the same weights to play Atari, follow text instructions, caption images, chat with people, control a real robot arm, and more: https://t.co/9Q7WsRBmIC
— DeepMind (@DeepMind) May 12, 2022
Paper: https://t.co/ecHZqzCSAm 1/ pic.twitter.com/cC8ukhw4at
Kako su objavili, razvili su umjetnu inteligenciju nazvanu Gato, koja nije specijalizirana samo za jedno područje, već može uspješno igrati videoigre na Atariju, točno prepoznavati fotografije, bez zadrške "razgovarati" s čovjekom, slagati raznobojne kocke pomoću robotske ruke, ali i obavljati više od 600 drugih zadaća.
Jedan od njegovih autora, Nando de Freitas, na Twitteru je pojasnio, kako stvaranje "opće umjetne inteligencije" više nije znanstvena fantastika, već da Gato pokazuje kako je moguće umjetnu inteligenciju učiniti većom i učinkovitijom. Samo joj treba dati dovoljno podataka.
Someone’s opinion article. My opinion: It’s all about scale now! The Game is Over! It’s about making these models bigger, safer, compute efficient, faster at sampling, smarter memory, more modalities, INNOVATIVE DATA, on/offline, … 1/N https://t.co/UJxSLZGc71
— Nando de Freitas 🏳️🌈 (@NandoDF) May 14, 2022
No, ne slažu se svi s njim. Gary Marcus iz američke tvrtke Robust.AI, za New Scientist ističe kako situacija nije baš tako jednostavna kako bi na prvi pogled mogla izgledati.
Gato je naučio kako raditi svaki od svojih zadataka. No, kad se susretne s novim izazovima, neće ih moći logički analizirati i riješiti. To je kao kad naučite životinju nekom triku. Izgleda zanimljivo, ali to je samo naučeni trik, istaknuo je u komentaru Marcus.
Međutim, iako su znanstvenici skeptični oko toga što Gato točno može, a što ne, činjenica je da će "opća umjetna inteligencija" veoma brzo postati stvarnost.
Novi modeli za razvoj umjetne inteligencije daju prilično dobre rezultate, a učenjem različitih zadatak mogli bi stvoriti čvrste temelje za opće znanje na kojem će se moći graditi drugi, adaptivni modeli. Uvjeren sam da duboko učenje nije kraj priče. Bit će i drugih inovacija koje će popuniti rupe koje trenutno imamo u učenju, istaknuo je Oliver Lemon sa Sveučilišta Heriot-Watt u Edinburghu.
