Sun'iy intellekt ilmiy taraqqiyot mantig'iga amal qilmaydi
Biz MT-da mashinani o'rganish tizimlarini "qora quti" (1) deb e'lon qiladigan tadqiqotchilar va mutaxassislar haqida, hatto ularni quruvchilar uchun ham ko'p marta yozganmiz. Bu natijalarni baholash va paydo bo'lgan algoritmlardan qayta foydalanishni qiyinlashtiradi.
Neyron tarmoqlar - bizga aqlli konvertatsiya qiluvchi botlar va hatto she'riyat yaratishga qodir bo'lgan mohir matn generatorlarini taqdim etadigan texnika - tashqi kuzatuvchilar uchun tushunarsiz sir bo'lib qolmoqda.
Ular kattaroq va murakkabroq bo'lib, ulkan ma'lumotlar to'plamlari bilan ishlashadi va massiv hisoblash massivlaridan foydalanadilar. Bu olingan modellarni takrorlash va tahlil qilishni qimmatga tushadi va ba'zan boshqa tadqiqotchilar uchun imkonsiz qiladi, katta byudjetga ega yirik markazlar bundan mustasno.
Ko'pgina olimlar bu muammoni yaxshi bilishadi. Ular orasida Joel Pino (2), NeurIPS raisi, takror ishlab chiqarish bo'yicha asosiy konferentsiya. Uning rahbarligidagi mutaxassislar "qayta ishlab chiqarishni tekshirish ro'yxati" yaratmoqchi.
Pinoning so'zlariga ko'ra, g'oya tadqiqotchilarni boshqalarga yo'l xaritasini taklif qilishga undashdan iborat bo'lib, ular allaqachon bajarilgan ishni qayta yaratish va undan foydalanishlari mumkin. Siz yangi matn generatorining notiqligiga yoki video o'yin robotining g'ayritabiiy chaqqonligiga hayron bo'lishingiz mumkin, lekin hatto eng yaxshi mutaxassislar ham bu mo''jizalar qanday ishlashini bilishmaydi. Shu sababli, sun'iy intellekt modellarini qayta ishlab chiqarish nafaqat tadqiqotning yangi maqsad va yo'nalishlarini aniqlash uchun, balki foydalanish uchun sof amaliy qo'llanma sifatida ham muhimdir.
Boshqalar bu muammoni hal qilishga harakat qilmoqdalar. Google tadqiqotchilari tizimlar qanday sinovdan o‘tkazilgani, jumladan, yuzaga kelishi mumkin bo‘lgan xatolarga ishora qiluvchi natijalarni batafsil tasvirlash uchun “namunaviy kartalar”ni taklif qilishdi. Allen nomidagi Sun'iy intellekt instituti (AI2) tadqiqotchilari Pinotning takrorlanishini nazorat qilish ro'yxatini eksperiment jarayonining boshqa bosqichlariga kengaytirishga qaratilgan maqolani nashr etishdi. "Ishingizni ko'rsating", deb chaqirishadi.
Ba'zida asosiy ma'lumotlar yo'qoladi, chunki tadqiqot loyihasi, ayniqsa kompaniya uchun ishlaydigan laboratoriyalarga tegishli. Ko'pincha, bu o'zgaruvchan va tobora murakkab bo'lgan tadqiqot usullarini tasvirlab bera olmaslik belgisidir. Neyron tarmoqlar juda murakkab sohadir. Eng yaxshi natijalarga erishish uchun ko'pincha minglab "tugmachalar va tugmalar" ni nozik sozlash talab qilinadi, ba'zilari buni "qora sehr" deb atashadi. Optimal modelni tanlash ko'pincha ko'p sonli tajribalar bilan bog'liq. Sehr-jodu juda qimmatga tushadi.
Misol uchun, Facebook DeepMind Alphabet tomonidan ishlab chiqilgan AlphaGo tizimi ishini takrorlamoqchi bo'lganida, vazifa nihoyatda qiyin bo'lib chiqdi. Facebook xodimlarining so‘zlariga ko‘ra, ulkan hisoblash talablari, minglab qurilmalarda bir necha kun davomida o‘tkazilgan millionlab tajribalar, kodning yo‘qligi bilan birgalikda tizimni “qayta yaratish, sinab ko‘rish, takomillashtirish va kengaytirishni juda qiyinlashtirdi, balki imkonsiz bo‘ldi”.
Muammo ixtisoslashganga o'xshaydi. Ammo, agar chuqurroq o'ylab ko'rsak, bir tadqiqot guruhi va boshqa tadqiqot guruhi o'rtasidagi natijalar va funktsiyalarning takrorlanishi bilan bog'liq muammolar fenomeni bizga ma'lum bo'lgan fan va tadqiqot jarayonlari faoliyatining barcha mantiqiyligini buzadi. Qoida tariqasida, oldingi tadqiqotlar natijalari bilim, texnologiya va umumiy taraqqiyotni rag'batlantiradigan keyingi tadqiqotlar uchun asos bo'lishi mumkin.
