Danas je umjetna opća inteligencija (AGI) postala ključna riječ iu naučnoj i industrijskoj zajednici. Prije samo nekoliko godina, mnogi su vjerovali da bi za postizanje AGI trebalo najmanje 10 do 50 godina, ili su čak mislili da je nemoguće. Danas su ovakvi pesimistični stavovi retki. Međutim, u poređenju sa uzbuđenjem javnosti zbog ovog talasa tehnoloških promena, mnogi naučnici i lideri u industriji u oblasti veštačke inteligencije veruju da je još dug put da se trenutna AI razvije u AGI.
Prema Qi Yuanu, uglednom profesoru na Univerzitetu Fudan, direktoru Šangajskog instituta za istraživanje umjetne inteligencije (SAIRI) i osnivaču kompanije Trustworthy Large Model "Infinite Lightyear", "Jedna od najvećih manifestacija AGI je otkriće nepoznatog zakoni u složenom svijetu, to bi trebao biti 'AI Einstein'. To zahtijeva od nas da stvorimo velike modele vrijedne 'sive kutije' koji kombinuju vjerovatnoća predviđanja 'crne kutije' s logičkim rezoniranjem 'bijele kutije' i da promoviramo fundamentalna istraživanja, kultivaciju talenata i praktične primjene kroz duboku integraciju tehnologije i industrije; izgradnja inovativnog ekosistema za naučnu inteligenciju."
Na nedavnoj Svjetskoj konferenciji o umjetnoj inteligenciji (WAIC) 2024. i sastanku visokog nivoa globalnog upravljanja umjetnom inteligencijom, SAIRI je uspješno bio domaćin tematskog foruma pod nazivom „Vještačka inteligencija: promjena paradigme u naučnom istraživanju i industrijskom razvoju“. Ovo je bilo prvo pojavljivanje ove nove istraživačke institucije na WAIC-u. SAIRI se može posmatrati kao model za Šangajsko istraživanje ekosistema naučno-obavještajnog "1+1+N" vođenog inovacijama. Ovaj model uključuje SAIRI kao centralno čvorište odgovorno za ukupno strateško planiranje, integraciju resursa i ključna tehnološka istraživanja i inovacije, u saradnji sa drugim "1" Fudan univerzitetom, i nekoliko "N" univerziteta, istraživačkih institucija, tehnoloških kompanija, inovacijskih timova, i investicione institucije, da zajednički promovišu naučna istraživanja, kultivaciju talenata, transfer tehnologije i industrijske inovacije i unapređenje.
Standard za AGI bi trebao biti stvaranje "AI Einsteina".
Iz tehničke perspektive, hoće li sve veći modeli sa više parametara dovesti do AGI? Do danas, ni iz perspektive same AI tehnologije ni iz perspektive potrošnje energije, veliki modeli zasnovani na autoregresivnoj arhitekturi Transformer nisu dovoljni da dovedu do AGI. AI treba da razvije nove velike modele vrijedne povjerenja u "sivu kutiju". Ovaj zaključak je zasnovan na Qi Yuanovom dugogodišnjem praktičnom iskustvu u akademskim krugovima i industriji.
Pre deset godina, sa idejom da „učini veštačku inteligenciju korisnom“, Qi Yuan je predvodio tim da poveća osnovni sistem mašinskog učenja Alibabe sa 2 miliona parametara na nekoliko stotina miliona parametara po prvi put, postigavši značajno poboljšanje poslovnih performansi i demonstriranje integrisane transformacije podataka, algoritama i inženjerskih sposobnosti. To je upravo manifestacija Zakona o skaliranju, o kojem se danas naširoko raspravlja u zajednici AI.
Qi Yuan se prisjeća da je tim zaista okusio slatkoću Zakona o skaliranju: nakon stostrukog povećanja parametara modela, ukupni efekat se dramatično poboljšao. "Ali sada razmišljam: zašto tada nismo napravili AI modele još veće? Zašto smo stali kada smo mogli napraviti korak dalje?" rekao je. "Čak ni milijarde parametara u velikim modelima nisu dovoljne; moramo se kretati prema stotinama milijardi, trilijunima, pa čak i više. U to vrijeme, i akademskoj zajednici i industriji nedostajala je računska snaga, pa čak i u industrijskom sektoru, postižući tako visoke računarska snaga zahtijevala je vrlo visoke troškove, a da ne spominjemo akademsku zajednicu."
Razlog zašto bi standard za AGI trebao biti stvaranje "AI Einsteina", objašnjava Qi Yuan, je taj što on mora biti i efikasan i inteligentan. Prvo, Ajnštajn je otkrio "oblake fizike ranog 20. veka" kroz nekoliko ključnih tačaka podataka. AGI takođe treba da bude u stanju da otkrije i razume nepoznate zakone složenog sveta. Međutim, trenutni veliki modeli to ne mogu postići. Na primjer, iako vizualni veliki model SORA simulira fizički svijet do neviđenog stepena, on i dalje konstruira trodimenzionalni svijet zasnovan na simulaciji dvodimenzionalnog svijeta i daleko je od potpunog razumijevanja fizičkog svijeta. Drugo, tu je pitanje potrošnje energije. Ljudski mozak radi na oko 15 vati, dok jedan GPU može dostići vrhunac od nekoliko stotina vati, a da ne spominjemo grupe od hiljada ili desetina hiljada GPU-a potrebnih za obuku generalnih velikih modela. Trenutno, ako nastavimo da koristimo postojeće arhitekture, potrebna potrošnja energije bi bila astronomska, što bi otežavalo postizanje cilja da budemo efikasni i inteligentni.
"AI Einstein" je takođe ključni cilj AI za nauku (AI4S). Naučna inteligencija je igrala važnu ulogu u ubrzavanju rješavanja poznatih fizičkih jednačina, ali također treba kombinirati poznata pravila s podacima kako bi smanjila ozbiljnu ovisnost o podacima i računskoj moći, poboljšala tačnost zaključivanja i predviđanja i predložila nove naučne teorije na osnovu pravila znanja prilagođenih podacima. Ovo je u skladu s Qi Yuanovim dugoročnim ciljem na Univerzitetu Fudan i SAIRI-u – korištenje umjetne inteligencije za razumijevanje složenog svijeta i otkrivanje nepoznatih zakona.
Veliki modeli sa vertikalnom domenom vrijedni povjerenja osnažuju različite industrije.
Koje probleme treba riješiti da bi veliki modeli postali nove produktivne snage od AI alata? Prema Qi Yuanu, industrija velikih modela suočava se s mnogim zajedničkim izazovima, što otežava usklađivanje tehnologije, proizvoda i tržišta.
"Najveći problem sa implementacijom velikih modela danas je to što se na prvi pogled čini korisnim, ali ne uspijeva u praktičnoj upotrebi", objašnjava Qi Yuan. Današnji veliki jezički modeli prvenstveno predviđaju sljedeću riječ na osnovu više prethodnih riječi, ali ovaj pristup nije prikladan za rigorozno razmišljanje u više koraka. "Jezik je sredstvo za komunikaciju, a ne za razmišljanje." Nedavno je objavljen rad od strane institucija uključujući MIT u vrhunskom akademskom časopisuPrirodaistakao je da je jezik moćno oruđe za prenošenje kulturnog znanja i da je možda evoluirao s našim sposobnostima razmišljanja i rasuđivanja, odražavajući složenost ljudske spoznaje. Međutim, jezik ne stvara kompleksnost rasuđivanja.
Kako bi se riješili nepouzdanost, niska interpretabilnost i visoki troškovi postojećih velikih modela, učinkovito rješenje je kombiniranje vjerojatnosnog razmišljanja neuronske mreže s logičkim simboličkim računanjem, slično kombinaciji brzog razmišljanja zasnovanog na instinktu i sporog razmišljanja zasnovanog na logičkom zaključivanju opisanom u Knjiga nobelovca Daniela KahnemanaRazmišljanje, brzo i sporo. "Ovo se može nazvati velikim modelom 'sive kutije'", smatra Qi Yuan. Kombinacija simboličkog računanja s neuronskim mrežama u velikom modelu vrijednog povjerenja u "sivoj kutiji" može smanjiti "halucinacije" umjetne inteligencije i riješiti profesionalne probleme u vertikalnim poljima, osnažujući na taj način različite industrije i oslobađajući produktivnost velikih modela.
Šta je veliki model "sive kutije" od poverenja? „U početku se duboko učenje smatralo 'crnom kutijom'. Sada, kombinovanjem logičkog zaključivanja sa dubokim učenjem, imamo 'sivu kutiju'", objašnjava Qi Yuan. „Originalna 'crna kutija' ostavila je ljude nesvjesnim procesa kojim su podaci proizveli rezultate, dok veliki model 'sive kutije', potpomognut logičkim zaključivanjem, omogućava ljudima da 'znaju i rezultate i razloge iza njih'. Iz druge perspektive, veliki modeli 'sive kutije' mogu koristiti duboko učenje kako bi smanjili pravila koja nisu u skladu s promatranim podacima iz stvarnog svijeta."
Qi Yuan navodi da je za AI ključnu ulogu u složenim scenarijima u različitim industrijama – bilo u finansijama i osiguranju, energiji vjetra i energiji, ili okeanskom transportu i farmaceutskim poljima – potrebno kombinirati sistematsko znanje industrije, logiku rasuđivanja i odluke -izrada mehanizama sa velikim modelima. Veliki model "sive kutije" nije samo pravac za AGI već i moćan alat za duboko prodiranje u vertikalna polja i istinsko rješavanje problema iz stvarnog svijeta. „Iz industrijske perspektive, ovo razumevanje je veoma intuitivno“, ilustruje Qi Yuan. Doktori ne moraju da postanu advokati, niti advokati moraju da postanu stručnjaci za investicije. Svaka profesionalna uloga treba se fokusirati na svoje polje i poboljšati svoje alate za produktivnost. Sa tehničkog stanovišta, ako veliki model previše nauči nebitne zadatke, može doživjeti "katastrofalno zaboravljanje". Na primjer, ako bi Li Bai sve svoje vrijeme provodio radeći računovodstvo umjesto pisanja poezije, njegova bi poetska inspiracija mogla postepeno izblijedjeti. "Već smo primijetili da kada obučavamo velike modele za vertikalne domene, ako model nauči previše nepovezanih funkcija, to može ometati njegove izvorne mogućnosti. Stoga je razvoj učinkovitih 'sive kutije' velikih modela za vertikalne domene od velike vrijednosti u industrijskoj implementacija."
"Vjerujem da će veliki modeli 'sive kutije' igrati sve važniju ulogu na putu do AGI-a i u implementaciji industrija vertikalnih domena. Iz Bayesove metodološke perspektive, kombinuje naše poznato znanje sa skrivenim informacijama u podacima kako bi otkrio nove zakone i rješavati naučne i industrijske probleme", navodi Qi Yuan. U budućnosti bi "AI Einstein" mogao biti i "AI Buffett".
Povezivanje lanca inovacija i izgradnja ekosistema inovacija naučne inteligencije.
Na ovogodišnjoj Svjetskoj konferenciji o umjetnoj inteligenciji, Qi Yuanov tim je lansirao pouzdane finansijske i medicinske velike modele sa stotinama milijardi parametara. Ovi veliki modeli sa vertikalnom domenom nadmašili su OpenAI-jev model od triliona parametara GPT-4 Turbo u testiranju, još jednom privlačeći pažnju industrije na implementaciju velikih modela.
"Današnja AI otkrića su vođena ne samo inovacijama u osnovnim principima, već i pristupima vođenim proizvodima koji se bave društvenim potrebama. Društvo zahtijeva ne samo objavljivanje teorijskih radova ili inovacija poslovnog modela, već i duboku integraciju tehnoloških i industrijskih inovacija zasnovanih na Prvi principi Kada se ova dva elementa spoje, možemo doći do plavijih voda", kaže Qi Yuan.
Akademija i industrija imaju različite misije. Akademija istražuje nove fenomene, dok industrija prvenstveno rješava praktične probleme. Uobičajeni problem u cijelom svijetu je da istraživačke institucije treba da se pozabave mnogim problemima tehnoloških inovacija, ali ako zanemare proizvodnju i društvene potrebe, suočavaju se s dva nedostatka: nedostatkom stvarnog konkurentskog pritiska, koji ometa usavršavanje inovativnih tehnologija, i odsustvom učinkovitih povratne informacije s tržišta koje će voditi tehnološka istraživanja.
U tom cilju, Qi Yuan dugo pokušava da poveže lanac inovacija „univerziteta-istraživačkih instituta-startapa” kako bi stvorio dobar inovacijski ekosistem koji uzima u obzir i temeljnu tehnologiju i potrebe tržišta. Usmjeravanje proizvoda treba biti vođeno potražnjom i scenarijima tržišta, izgrađujući konkurentnost jezgre proizvoda kroz temeljnu inovaciju.
Osnovan 2023, SAIRI je posvećen originalnim inovacijama AI za nauku koje kombinuju znanje i podatke. Nedavno je SAIRI lansirao Fuxi seriju velikih meteoroloških modela 2.0 za primjenu u novoj energiji, osiguranju, urbanom upravljanju i pokrenuo Alijansu za pametne meteorološke inovacije ekosistema. Ovaj savez ima za cilj postepeno promovirati industrijsku primjenu Fuxi serije meteoroloških velikih modela 2.0. Veliki modeli vrijedni povjerenja u "sivoj kutiji" također napreduju u implementaciji proizvoda, a Infinite Lightyear, pouzdana kompanija za velike modele koju je osnovao Qi Yuan, već je osnovana.
Za daljnju promociju inovacijskog ekosistema naučne inteligencije, drugo Svjetsko naučno obavještajno takmičenje, koje zajednički organizuju SAIRI i Univerzitet Fudan, a pod vodstvom više odjela uključujući Šangajski komitet za nauku i tehnologiju, Šangajsku komisiju za razvoj i reformu, Šangajski komitet za ekonomsku i informatičku tehnologiju, i Šangajski odbor za obrazovanje, pokrenut je. Takmičenje nudi milionske nagrade za regrutovanje globalnih učesnika da istraže granična polja naučne inteligencije. Uz to, SAIRI je razvio platformu za naučne podatke koja pokriva multimodalne naučne podatke, koja podržava cijeli lanac od prikupljanja i obrade podataka do upravljanja i modeliranja, osiguravajući efikasnu obradu podataka, pouzdanost i sigurnu komunikaciju. Na osnovu ove platforme, SAIRI i njegovi partneri su izgradili nekoliko visokokvalitetnih naučnih skupova podataka za nauke o životu, nauke o materijalima, atmosferske nauke i druga polja, pružajući vrijedne resurse za istraživanje naučne inteligencije. Štaviše, SAIRI je pokrenuo Global Scientific Data Ecosystem Alliance, sa početnim članovima uključujući China Telecom Corporation, COSCO Shipping Insurance Captive, Shanghai Lingang New Area Cross-Border Data Technology, i više od deset drugih entiteta. Alijansa ima za cilj da izgradi globalnu platformu za istraživanje velikih podataka sa više domena, otvorenu i dijeljenu kroz saradnju između vlade, preduzeća, univerziteta i istraživačkih institucija.
"Bilo da se radi o naučnim istraživanjima ili industriji, ne bismo trebali inovirati zbog inovacija. Nadamo se da ćemo izgraditi budući AGI i aplikacije koje rješavaju probleme iz stvarnog svijeta", kaže Qi Yuan.




