- 22,618
- 46
- 8 Ноя 2022
Разговор Брина и Хассабиса на I/O показал, насколько неопределённы прогнозы.
На конференции Google I/O во вторник произошёл неожиданный момент : к разговору главы Google DeepMind Демиса Хассабиса с модератором присоединился Сергей Брин. Их диалог быстро превратился в обсуждение темы, которая в последние месяцы стала одним из главных вопросов для индустрии — когда появится искусственный интеллект, способный действовать на уровне человека или шире. Оба собеседника считают, что подобный этап может наступить примерно к 2030 году, хотя в профессиональной среде единых ориентиров нет: кто-то говорит о ближайших двух годах, другие допускают, что ждать придётся почти десятилетие. Неясным остаётся и то, каким именно может быть такой интеллект и как изменится повседневность, если он станет доступен широкой аудитории.
Пока большая часть программы конференции была посвящена новым функциям уже существующих сервисов, разговор Брина и Хассабиса сосредоточился на том, какие шаги нужны, чтобы технологии приблизились к уровню универсальных моделей. Хассабис отметил, что движения в одном направлении недостаточно: индустрии придётся одновременно наращивать масштаб нынешних систем и искать методы, которые смогут вывести их на новый уровень. Брин добавил, что свежие алгоритмы иногда дают больший прирост, чем просто расширение вычислительных ресурсов, хотя сейчас обе линии развития усилились, и сочетание этих процессов заметно ускоряет прогресс.
Отдельную часть беседы занял вопрос о прорывах, без которых появление действительно гибкого AGI пока невозможно. Хассабис напомнил, что таких достижений нужно как минимум два, и первое частично проявилось в недавних экспериментах Google, OpenAI и других исследовательских групп. Речь идёт о моделях, которые не спешат выдавать ответ и тратят дополнительное время на оценку нескольких вариантов. Подход напоминает обычный человеческий мыслительный процесс, когда мы сначала прокручиваем мысль в голове и лишь потом формулируем реплику. Брин с улыбкой заметил, что этому неплохо бы научиться и некоторым людям.
Помимо основных анонсов Google отдельно рассказала о двух инструментах, которые пока остаются в тени, но уже показывают, как может развиваться работа с моделями нового поколения. Один из них — Gemini Diffusion. Это языковой алгоритм, построенный на принципах диффузионных сетей, которые раньше использовали почти исключительно для генерации изображений. В текстовом варианте метод работает похожим образом: модель стартует с набора случайных данных и шаг за шагом «очищает» их, пока не получается связная фраза или программный блок. Такой подход даёт ощутимый выигрыш в скорости и позволяет получать результат быстрее, чем при использовании распространённых архитектур.
Второй инструмент — режим Deep Think. Он добавляет к работе моделей возможность не ограничиваться единственным вариантом решения, а разбирать несколько путей сразу. Алгоритм сравнивает полученные выводы и выбирает тот, который выглядит надёжнее. Эта схема помогает системе точнее справляться с задачами, где важна последовательная логика, а не мгновенное первое предположение.
К самому концу разговора Хассабиса и Брина спросили, ждать ли появления универсального интеллекта до 2030 года или позже. Брин склоняется к более раннему сроку, Хассабис — к более позднему. В завершение разговора Хассабис заметил с улыбкой, что Брин может позволить себе просто высказывать ожидания, тогда как ему самому приходится отвечать за то, чтобы эти ожидания превращались в работающие технологии.
На конференции Google I/O во вторник произошёл неожиданный момент : к разговору главы Google DeepMind Демиса Хассабиса с модератором присоединился Сергей Брин. Их диалог быстро превратился в обсуждение темы, которая в последние месяцы стала одним из главных вопросов для индустрии — когда появится искусственный интеллект, способный действовать на уровне человека или шире. Оба собеседника считают, что подобный этап может наступить примерно к 2030 году, хотя в профессиональной среде единых ориентиров нет: кто-то говорит о ближайших двух годах, другие допускают, что ждать придётся почти десятилетие. Неясным остаётся и то, каким именно может быть такой интеллект и как изменится повседневность, если он станет доступен широкой аудитории.
Пока большая часть программы конференции была посвящена новым функциям уже существующих сервисов, разговор Брина и Хассабиса сосредоточился на том, какие шаги нужны, чтобы технологии приблизились к уровню универсальных моделей. Хассабис отметил, что движения в одном направлении недостаточно: индустрии придётся одновременно наращивать масштаб нынешних систем и искать методы, которые смогут вывести их на новый уровень. Брин добавил, что свежие алгоритмы иногда дают больший прирост, чем просто расширение вычислительных ресурсов, хотя сейчас обе линии развития усилились, и сочетание этих процессов заметно ускоряет прогресс.
Отдельную часть беседы занял вопрос о прорывах, без которых появление действительно гибкого AGI пока невозможно. Хассабис напомнил, что таких достижений нужно как минимум два, и первое частично проявилось в недавних экспериментах Google, OpenAI и других исследовательских групп. Речь идёт о моделях, которые не спешат выдавать ответ и тратят дополнительное время на оценку нескольких вариантов. Подход напоминает обычный человеческий мыслительный процесс, когда мы сначала прокручиваем мысль в голове и лишь потом формулируем реплику. Брин с улыбкой заметил, что этому неплохо бы научиться и некоторым людям.
Помимо основных анонсов Google отдельно рассказала о двух инструментах, которые пока остаются в тени, но уже показывают, как может развиваться работа с моделями нового поколения. Один из них — Gemini Diffusion. Это языковой алгоритм, построенный на принципах диффузионных сетей, которые раньше использовали почти исключительно для генерации изображений. В текстовом варианте метод работает похожим образом: модель стартует с набора случайных данных и шаг за шагом «очищает» их, пока не получается связная фраза или программный блок. Такой подход даёт ощутимый выигрыш в скорости и позволяет получать результат быстрее, чем при использовании распространённых архитектур.
Второй инструмент — режим Deep Think. Он добавляет к работе моделей возможность не ограничиваться единственным вариантом решения, а разбирать несколько путей сразу. Алгоритм сравнивает полученные выводы и выбирает тот, который выглядит надёжнее. Эта схема помогает системе точнее справляться с задачами, где важна последовательная логика, а не мгновенное первое предположение.
К самому концу разговора Хассабиса и Брина спросили, ждать ли появления универсального интеллекта до 2030 года или позже. Брин склоняется к более раннему сроку, Хассабис — к более позднему. В завершение разговора Хассабис заметил с улыбкой, что Брин может позволить себе просто высказывать ожидания, тогда как ему самому приходится отвечать за то, чтобы эти ожидания превращались в работающие технологии.
- Источник новости
- www.securitylab.ru
