Episode 1908 - May 29 - Phần 1 của 3 - AI có thể lập kế hoạch không - Vina Technology at AI time - Lê Quang Văn | Podcast - Nhac.vn
AI có thể lập kế hoạch không? – Phần 1 của 3
Các hệ thống ngày nay đấu tranh để tưởng tượng tương lai - nhưng điều đó có thể sớm thay đổi.
Tác giả: Cal Newport. nhà văn đóng góp cho The New Yorker và là phó giáo sư khoa học máy tính tại Đại học Georgetown. Ngày 15 tháng 3 năm 2024.
Lê Quang Văn dịch, giải thích và thực hiện phần kỹ thuật số.
Mùa hè năm ngoái, AdamYedidia, một người dùng trên một diễn đàn web có tên LessWrong, đã xuất bản một bài đăng có tiêu đề "Cờ vua như một nghiên cứu điển hình về khả năng ẩn trong ChatGPT - Chess as a Case Study in Hidden Capabilities in ChatGPT.". Ông bắt đầu bằng cách lưu ý rằng Internet tràn ngập các video hài hước về ChatGPT chơi cờ tồi: trong một clip phổ biến, AI tự tin và di chuyển bất hợp pháp một con tốt về phía sau. Nhưng nhiều video trong số này được thực hiện bằng phiên bản gốc của chatbot OpenAI, được phát hành ra công chúng vào cuối tháng 11 năm 2022 và dựa trên mô hình ngôn ngữ lớn GPT-3.5. Tháng 3 năm ngoái, OpenAI đã giới thiệu phiên bản nâng cao của ChatGPT dựa trên GPT-4 mạnh mẽ hơn. Như bài đăng đã chứng minh, mô hình mới này, nếu được nhắc chính xác, có thể chơi một ván cờ một cách khá giỏi đáng ngạc nhiên, đạt được xếp hạng Elo là 1000 — tốt hơn khoảng năm mươi phần trăm người chơi được xếp hạng. "ChatGPT đã tiếp thu đầy đủ các quy tắc của cờ vua", ông khẳng định. Đó là "không dựa vào việc ghi nhớ hoặc các mẫu nông hơn khác." [Cụm từ "không dựa vào việc ghi nhớ hoặc các mẫu nông hơn khác" có nghĩa là hiệu suất của mô hình mới không chỉ dựa trên việc nhớ lại các bước di chuyển hoặc trình tự cụ thể mà nó đã thấy trước đây (ghi nhớ) hoặc sử dụng các chiến lược đơn giản không đòi hỏi sự hiểu biết sâu sắc (các mẫu nông hơn). Thay vào đó, mô hình thể hiện mức độ hiểu biết và ra quyết định tinh vi hơn, sâu sắc hơn trong lối chơi của nó. Điều này ngụ ý rằng mô hình có khả năng tư duy chiến lược thực sự và thích ứng với các tình huống mới, thay vì chỉ sao chép thông tin đã học trước đó hoặc sử dụng các chiến thuật cơ bản, hời hợt.]
Sự khác biệt này rất quan trọng. Khi các mô hình ngôn ngữ lớn lần đầu tiên xuất hiện trong ý thức cộng đồng, các nhà khoa học và nhà báo đã phải vật lộn để tìm ra phép ẩn dụ để giúp giải thích cơ sở kỳ lạ của họ bằng văn bản. Nhiều người cuối cùng đã giải quyết ý tưởng rằng các mô hình này "trộn và kết hợp" số lượng lớn văn bản không thể hiểu được mà chúng sử dụng trong quá trình đào tạo. Khi bạn yêu cầu ChatGPT viết một bài thơ về vô hạn của số nguyên tố, bạn có thể giả định rằng, trong quá trình đào tạo, nó đã gặp nhiều ví dụ về cả chứng minh số nguyên tố và thơ có vần điệu, cho phép nó kết hợp thông tin từ cái trước (số nguyên tố) với các mẫu được quan sát thấy ở cái sau (thơ có vần điệu). ("Tôi sẽ bắt đầu bằng cách lưu ý chứng minh của Euclid, / Điều này cho thấy rằng các số nguyên tố không chỉ xa cách.") Tương tự, khi bạn yêu cầu một mô hình ngôn ngữ lớn, tóm tắt báo cáo thu nhập, nó sẽ biết những điểm chính trong các tài liệu đó thường có thể được tìm thấy ở đâu và sau đó sẽ sắp xếp lại chúng để tạo ra một bản tóm tắt gọn gàng. Theo quan điểm này, những công nghệ này đóng vai trò của biên tập viên, giúp chúng ta sử dụng tốt hơn những suy nghĩ hiện có của mình.
Nhưng sau sự ra đời của GPT-4 - ngay sau đó là các mô hình AI thế hệ tiếp theo khác, bao gồm PaLM-2 của Google và Claude 2.1 của Anthropic - phép ẩn dụ mix-and-match bắt đầu chùn bước. [điều đó có nghĩa là với sự xuất hiện của các mô hình AI tiên tiến này, khái niệm chỉ đơn giản là kết hợp các thành phần khác nhau trở nên ít được áp dụng hơn. Những mô hình mới hơn này có thể đã chứng minh một cách tiếp cận toàn diện, tích hợp hơn đối với trí tuệ nhân tạo, trong đó khả năng của chúng được pha trộn liền mạch hơn và không dễ dàng chia thành các phần riêng biệt. Sự phát triển này làm cho cách hiểu và mô tả AI trước đây (như một hỗn hợp và kết hợp các thành phần) kém chính xác hoặc hữu ích hơn.]
