DeepMind osnivač upozorava na složene pogreške age age

Starost agenata

Gledajući kako se AI razvija u kratkom do srednjoročnom roku, Hassabis je rekao: “Poboljšali smo našu” porciju razmišljanja “za modele, tako da vrijeme zaključivanja, izračunati će biti velika stvar ove godine jer su sistemi postali više agenta.” To uključuje agente AI provode više vremena razmišljanja i planiranja prije nego što djeluju.

Firma analitičara Forrester pozdravlja AIC AI kao AI sustave koji mogu planirati, odlučiti i djelovati autonomno, orkestrirajuće složene radne tokove sa minimalnom ljudskom intervencijom. Na blogu, Forresterski analitičari navodio je agentic AI sustavi samo da se ne pridržavaju okosnice ekonomije znanja, ali oni će u potpunosti redefinirati kako organizacije djeluju i takmiče.

Hassabis je rekao da se efekti AI-ja zasnovanog na agenciji počinje osjećati. “Oni nisu samo pasivni sustavi odgovora na pitanje, ali oni mogu razbiti problem u pod submere, a zatim birati te ciljeve.”

DeepMind je prethodno koristio ovu vrstu rješavanja problema u igri, kao što je Alphaghe, a koji pobijedio je Igra Svjetskog prvaka Lee Sedol 2016. godine. Međutim, Hassabis je rekao: “Igre su vrlo ograničene i oni su prilično jednostavne informacije, tako da su relativno jednostavne postavke u odnosu na stvarne [world]. “

Izazov za DeepInd i druge AI programere je koliko brzo mogu generalizirati AI sustave za izlaganje ponašanja potrebnih za planiranje i obrazloženje koje se odnose na pouzdano u stvarnom svijetu.

Dok je Hassabis rekao da je u posljednjih nekoliko godina došlo do dobrog napretka u AI World modelima u posljednjih nekoliko godina, izazov je kako se najbolje kombinirati sa algoritmima za planiranje. Kao primjer zašto je to vrlo teško, Hassabis je rekao: “Ako vaš AI model ima brzinu pogreške u 1% i planirate preko 5000 koraka, da 1% spojevi poput složenog interesa.”

Do trenutka kada su rađene 5000 koraka, složena greška, prema Hasabisu, znači mogućnost da je odgovor tačan. “Za model igara, imate pravila šaha ili odlazite”, rekao je, koji pomaže algoritmu za planiranje u donošenju ispravne odluke. “U stvarnom svijetu nemate savršene informacije. Postoje skrivene informacije o kojima ne znamo, pa su nam potrebni AI modeli koji su u stanju da razumiju svijet oko nas.”

Za Hassabis, jedan od zanimljivih razvoja koji se očekuje da će se pojaviti u narednih nekoliko godina raspoređivanje više AI agenata koji rade zajedno na rješavanju problema.

“Radili smo puno posla sa stvarima poput Starcraft II [the real-time strategy game]a u prošlosti, gdje imate društvo agenata ili ligu agenata, mogu se takmičiti ili sarađivati ​​”, rekao je.

Ako agenti mogu pomoći ljudima da ispune zadatke, Hassabis vjeruje da ima smisla imati čitav skup od komplementarnih vještina. “Kako bi ti agenti trebali surađivati ​​ili se takmičiti jedni s drugima vrlo je zanimljiva grana istraživanja”, dodao je.

Predčehu da će takav multi-agent AI sustavi početi postati koristan u narednih par godina. “Imate ovaj pojm generala agenta, nešto poput Blizanca, ali tada može nazvati specijalizirane agense za matematiku ili programiranje, na primjer”, kaže on.

Iako su to sami su sistemi AI, Hassabis je rekao da bi AI agenti mogli biti među alatima koji opći AI sistem koristi za rješavanje problema.

Rani primer načina kako se u AI suosisnom alatu može videti u AI suostale listom koji se može videti pre nekoliko nedelja. To je, prema Hassabisu, hibridni sistem sa Blizancima ispod haube, ali koristi i specijalizirane AI sisteme za potragući naučne radove i pokušati uspostaviti veze između različitih istraživača.

Suiverista je osmišljen za ogledalo proces obrazloženja koji podnese naučnu metodu i, prema Googleu, namijenjen je otkrivanju novih, originalnih znanja i formuliranje demonstriranih romana hipoteza i prijedloga, izgradnju na prethodne dokaze i prilagođen specifičnim istraživačkim ciljevima.