Η τεχνητή νοημοσύνη θα αντιμετωπίσει σύντομα ένα σημαντικό πρόβλημα: το διαδίκτυο δεν παρέχει αρκετά δεδομένα για να συνεχίσει την εκπαίδευση επ’ αόριστον. Επομένως, οι δημιουργοί της τεχνητής νοημοσύνης θα πρέπει να αναζητήσουν νέες μεθόδους.
Χρειάζεται πολλή εκπαίδευση για να μετατραπεί μια τεχνητή νοημοσύνη σε πραγματική τεχνητή νοημοσύνη. Πολλά μοντέλα τεχνητής νοημοσύνης τροφοδοτούνται με δεδομένα που είναι ελεύθερα διαθέσιμα στο διαδίκτυο. Τι συμβαίνει όμως όταν η τεχνητή νοημοσύνη έχει εσωτερικεύσει όλα τα δεδομένα στο διαδίκτυο;
Όπως αναφέρει η Wall Street Journal, θα έχουμε φτάσει σε αυτό το σημείο σε λίγα χρόνια. Οι πρώτες εταιρείες τεχνητής νοημοσύνης αναζητούν ήδη εναλλακτικές λύσεις προκειμένου να μπορούν να δημιουργήσουν στο μέλλον μεγαλύτερα μοντέλα τεχνητής νοημοσύνης με άλλα δεδομένα. Διότι χωρίς νέα δεδομένα, τα μοντέλα θα παρέμεναν όλα στο ίδιο επίπεδο.
Οι εναλλακτικές λύσεις για τα φυσικά δεδομένα ΤΝ
Η OpenAI φέρεται ήδη να επιδιώκει τα πρώτα σχέδια για την εκπαίδευση του GPT-5 μέσω του YouTube – πιο συγκεκριμένα με μεταγραφές βίντεο. Σύμφωνα με μια εκτίμηση της Earthweb, υπάρχουν πλέον περισσότερα από ένα δισεκατομμύριο βίντεο στο YouTube. Αυτό σημαίνει ότι το GPT-5 θα έχει στη διάθεσή του πολλά νέα, φυσικά παραγόμενα δεδομένα.
Άλλες εταιρείες, από την άλλη πλευρά, θέλουν να ακολουθήσουν τον δρόμο των συνθετικών δεδομένων τεχνητής νοημοσύνης. Με άλλα λόγια: δεδομένα εκπαίδευσης που δημιουργούνται από την ίδια την τεχνητή νοημοσύνη. Ωστόσο, σύμφωνα με ορισμένους εμπειρογνώμονες, αυτό κρύβει και κινδύνους. Αναφέρονται στην τεχνητή νοημοσύνη που δημιουργείται με αυτόν τον τρόπο ως “Habsburg AI”, μια αναφορά στη δυναστεία των Αψβούργων. Η δυναστεία είχε ελαχιστοποιήσει τη δική της γονιδιακή δεξαμενή μέσω της ενδογαμίας, η οποία οδήγησε σε σωματικές και ψυχικές ασθένειες και στον πρόωρο θάνατο ορισμένων μελών της.
Μια τεχνητή νοημοσύνη που εκπαιδεύεται με αυτόν τον τρόπο θα μπορούσε να παράγει σημαντικά φτωχότερη απόδοση καθώς επεξεργάζεται τα ήδη επεξεργασμένα δεδομένα. Οι εταιρείες τεχνητής νοημοσύνης θέλουν να αποφύγουν μια τέτοια “Habsburg AI” διασφαλίζοντας την ποιότητα των συνθετικών δεδομένων. Ωστόσο, καμία εταιρεία δεν έχει ακόμη αποκαλύψει πώς θα μπορούσε να μοιάζει αυτή η διασφάλιση ποιότητας. Τα πρώτα παραδείγματα, όπως το Claude 3 – μια τεχνητή νοημοσύνη που έχει ήδη εκπαιδευτεί με τεχνητά δεδομένα – φαίνονται πολλά υποσχόμενα.
Καμία ανησυχία για το τέλος των δεδομένων
Ωστόσο, ορισμένοι ερευνητές δεν ανησυχούν ότι η τεχνητή νοημοσύνη θα ξεμείνει μια μέρα από νέα δεδομένα. Στην πραγματικότητα, αυτό θα μπορούσε να είναι μια ευκαιρία για την τεχνητή νοημοσύνη να φτάσει στο επόμενο στάδιο, όπως αναφέρει το Harvard Business Review.
Σύμφωνα με αυτό, τα μελλοντικά μοντέλα τεχνητής νοημοσύνης θα μπορούσαν να εκπαιδευτούν μόνο με μια έννοια του κόσμου και των ανθρώπων σε αυτόν. Μόλις το πρόγραμμα την εσωτερικεύσει, θα είναι σε θέση να μάθει άλλα πράγματα με πιο φυσικό τρόπο, χωρίς να βασίζεται σε υπάρχοντα σύνολα δεδομένων.
