Кристофър Бишоп на Microsoft: Научното откритие е приложението за убийство на AI

Кристофър Бишоп е отпред на заявките за изкуствен интелект на Microsoft от известно време, защото той управлява AI за научни проучвания на компанията, който ползва мощната технология за естествените науки.

Бишоп вижда задачата на лабораторията, която е учредена през 2022 година, като форсира научното изобретение, употребявайки технологията. Екипът му учи всичко - от това по какъв начин AI моделите могат да оказват помощ за откриването на нови материали до това по какъв начин те могат да подкрепят прогнозирането на времето посредством прогнозиране на измененията в атмосферата.

В този диалог с AI редактора на Financial Times Мадхумита Мургия той изяснява за какво счита, че научното изобретение ще се окаже най -важното приложение на технологията.

Madhumita Murgia: Защо Microsoft откри AI за Science Lab през 2022 година, като вие го насочихте в Кеймбридж? Каква е задачата му?

Кристофър Бишоп: Мисията на лабораторията е да форсира научното изобретение с AI от науката в границите на естествените науки. Помислете химията, физиката, биологията и обвързваните с тях области като астрономия. Полето не е ново. Кариерата ми стартира от физиката и по-късно плазмената физика за обединение и аз се реалокирах в региона на невронните [мрежи] преди 35 години.

Това, което ми стана ясно, е, че революцията в надълбоко образование усили способността за машинно образование и, затова, усили капацитета за това да повлияе на научното изобретение. И по този начин, през годината или повече, водещи до образуването на екипа, имахме редица планове, разпръснати към проучванията на Microsoft в съответните области. Беше ясно, че желаеме да ускорим това. ;

Моето мнение е, че научното изобретение ще се окаже най -важното приложение на изкуствения разсъдък.

AI Exchange

Това завъртане от нашата известна серия от разговори на софтуерния продан ще прегледа изгодите, рисковете и етиката на потреблението на изкуствения разсъдък, като разговаряте с тези в центъра на развиването му

Научното изобретение е толкоз главно за човешкия напредък. Става въпрос за реализиране на по -добро схващане на света, с цел да можем да подобрим човешкото положение, без значение дали става въпрос за селско стопанство, промишленост, разкриване на опиати, справяне със опазването на здравето, нови форми на сила, устойчиви форми на сила или справяне с изменението на климата.

mm: Говорихте за прекосяване от физика към AI. Ученият от AI Джефри Хинтън завоюва Нобеловата премия за физика [2024], която някои хора откриха непредвидена подредба, защото двете полета са много обособени. Хинтън не беше физик за начало. Как преминахте от физика към AI?

CB: Като младеж бях удивен от концепцията за изкуствен интелект. Бях удивен от мозъка. Мозъкът продължава да бъде най -голямата неразрешена тайнственост във Вселената. Ние разбираме Вселената, само че все пак има този кг и половина желе, които можете да държите в ръката си. Това е значително цялостна мистерия [но] е способна на невероятни подвизи на обработката и творчеството на информацията.

Разбиране на това и по какъв начин можем да пресъздадем нещо по тези линии в машина, по какъв начин можем да усилим опциите на човешкия мозък, употребявайки изкуствени форми на просветеност, това е интелектуално доста вълнуващо. Но по това време открих региона на изкуствения разсъдък за безинтересно, тъй като ставаше дума за това по какъв начин да конструирате правила, които можете да програмирате в компютър, които вършат компютъра [изглежда] образован.

Научното изобретение е за реализиране на по-добро схващане на света, с цел да можем да подобрим човешкото положение

, че за мен беше надълбоко задоволеващо. Никога не ми харесваше. И дружно пристигнаха Джеф и други, и те бяха маверици по някакъв метод. Те предлагаха тази област - в този момент се наричаше връзки на връзка или невронни [мрежи] - това най-малко се моделираше на концепцията за мозъка.

Открих това интелектуално завладяващо. Това се усещаше като път към просветеност. Никога не бихте могли да напишете набор от правила, които биха създали машинен образован, само че тук имаше път към изкуствения разсъдък. Намерих това вдъхновяващо. Когато погледна обратно, несъмнено съм бил доста самоуверен, тъй като имах уважавана и сполучлива кариера като научен физик.

Влязох в това, което по това време се разглеждаше като много люспесто поле. Това не беше вярно, главната компютърна просвета, не беше главната физика, само че беше доста вдъхновяваща; 35 години по -късно това наподобява като много положително решение.

mm: Вие сте в тази област от 35 години. През това време се развива доста. Кои са основните моменти на флексия - изменящите се точки, които ви се откроиха като трансформирали полето? Как изглеждаше това пътешестване от позиция на тези флекси?

CB: Ако го погледнете от 50 000 фута, има три етапи. Първата фаза беше в доста по -малък мащаб от през днешния ден, само че доста неспокойствие към невронните мрежи [излизаше от хора като Джеф Хинтън и други в тази област. Нещото, което мисля, че съм донесъл на терена, беше да призная, че макар че те са въодушевени от невробиологията, това, което правехме, е статистиката, въпреки и комплицирана, нелинейна статистика.

Тогава установихме, че тези мрежи могат да решат забавни проблеми, само че те бяха лимитирани. Те в действителност не са имали продуктивността, точността за приложения в действителния свят. Те биха могли да вършат занимателни неща в лабораторията и това беше впечатляващо, само че някак си изчерпаха пара.

И по този начин, във втората фаза полето на невронните мрежи влезе на назад във времето. Много хора се интересуваха от други подходи.

Когато имате модел, който има доста пластове обработка, той е извънредно общ. . . Сега можете да го приложите в цялостен набор от разнообразни области

Големият пробив се появи през 2012 година - и още веднъж Джеф играе значима роля в това: развиването на дълбокото образование. Това беше пробив в способността ни да образоваме мрежи с доста пластове обработка. Това беше трансформационно и това в действителност е началото на актуалната епоха. Проблемите, които ни избягваха от десетилетие или по -изведнъж станаха относително доста по -лесни за решение.

Не единствено това - същата технология, довела до пробив в Computer Vision, докара до пробив в разпознаването на речта. След това започнахме да го прилагаме в други полета.

Останалото е история. Това е кривата, на която сме били, задвижвана от тази съществена дарба да тренира модели, които са доста дълбоки, тъй като когато имате модел, който има доста пластове обработка, това е извънредно общ. Сега можете да го приложите в цялостен набор от разнообразни области.

mm: Кога започнахте да се впечатлявате от това, което могат да създадат езиковите модели и да повярвате, че те могат да бъдат идващ стадий в еволюцията на тези системи?

CB: Бях фаворизиран, тъй като бях един от относително дребния брой хора в Microsoft, на които беше възложен ранен достъп до [Open AI Model] GPT-4, до момента в който беше конфиденциален. Това беше извънреден миг за игра с GPT-4. Тогава [през 2023 година, когато беше пуснат], когато никой - или доста малко хора - в никакъв случай не е виждал технология като тази, да осъзнае, че това е съществена стъпка напред в способността за генериране на езици.

Това е извънредно добре в генерирането на човешки език, изненадващо положително. Но второто нещо. . . Шокиращото е, че тук имахме система, която за първи път в действителност може да разсъждава. Това не генерира просто подобаващ текст. Разбра какво става и може да разсъждава.

Сега, разбирането му, несъмнено, е по -плътно равнище от човешкото схващане, само че аз го отъждествявам на [първия път, когато братята Райт летяха за задвижван аероплан в] 1903 година, заставайки на убийните хълмове в Кити Хоук и следят няколко велосипедни механика, които се борят във въздуха в този излаз.

Можеше да го погледнеш и да кажеш: „ Не съм доста впечатлен от това “. Той лети единствено на 120 фута. Или бихте могли да кажете: „ Леле, това е началото на нова епоха “. Това беше това възприятие - беше като космите на гърба на врата ми, изправени и [аз] си мислех, за първи път в живота си си взаимодействам с машина, която се демонстрира - от време на време се назовава - искрите на изкуствения разсъдък. Дълъг път за разузнаване на човешко равнище и оттатък, само че. . . Като първа среща, в прочут смисъл, на персонално равнище. Това беше незабравим миг.

За мен [използването на GPT-4] беше по-висцерално. Беше по -малко, ние пуснахме този индикатор и, вижте, той е доста по -добър от миналогодишния индикатор. Беше нещо напълно друго: по-скоро качествено и просто осъзнавайки, че преди този момент бихте могли да проведете диалог с GPT-3 и щяхте да имате хубави параграфи и прекрасен диалог. Но тук. . . Само за първи път разбрахте, че се занимавате с нещо, което е качествено друго.

mm: Кои аспекти на науката смятате, че са били най -променени от AI и къде виждате на практика прогрес?

CB: Нещото, което в действителност ме вълнува, са разликите сред огромен езиков модел (LLM), употребявани за подкрепяне на други форми на работа на знанието и естеството на науката.

Когато се замислите за научно изобретение, дано си представим, че сте фармацевтична компания и се пробвате да развиете лекарство за справяне с избрана болест. Имате протеин, към който се пробвате да насочите и. . . Пространството на органичните молекули, които би трябвало да изследвате, е към 10 до мощността 60.

Това е гаргантуанско пространство и би трябвало да проучите това пространство, с цел да намерите една или две молекули, които ще се свържат с целта; които могат да се всмукват в тялото; метаболизирайте правилно; Те не са токсични; Те могат да бъдат синтезирани и всички останали от него. И по този начин, вие се пробвате да намерите тази игла в сено. Това не се прави от един човек следобяд. Това е екип от десетки или стотици хора, работещи дълги години.

Като академик, в съвършен свят, бихте прочели всяка хартия, която в миналото е била написана, и го гълтам и интернализира. Това е невероятно за човек, само че това е нещо, което може да направи огромен езиков модел.

Но това е доста повече от това. Важен аспект на науката е, че тя включва изпробване. По принцип става въпрос за доказателства и за осъществяване на опити. В нещо като молекулярни проучвания вършиме доста опити. Получавате резултатите от опитите и усъвършенствате тези хипотези и обикаляте този цикъл, постоянно доста пъти.

Обикаляте този итеративен развой, само че стъпките се форсират от AI - доста трагично. В прочут смисъл това е най -голямата вест за това, което е същинско през днешния ден, против това, което може или не може да се случи в бъдеще.

mm: Защо Microsoft се интересува от вложение в просвета? Какво е вълнуващо във връзка с напредъка, това ще помогне на компании като Microsoft?

CB: Microsoft има лидерска позиция в изкуствения разсъдък. Имаме голяма инфраструктура и [изграждаме това сега. Тогава въпросът е къде може да донесе изгода? Моето мнение-но мисля, че това е споделено необятно в границите на компанията-е, че научното изобретение е област, която ще види доста ускоряване и разстройства посредством AI.

в съвършен свят, вие бихте прочели всеки теоретичен документ, който е бил писан постоянно. . . Това е невероятно за човек, само че е нещо, което може да направи огромен езиков модел

Второ, това е голяма стойност за обществото, че то е в основата на човешкото развиване - това е толкоз фундаментално. Тогава каква е ролята на Microsoft като компания? Това е да се форсира работата и да се даде опция на работата на другите.

И по този начин, ние мислим за откриването на опиати. Мислим за дизайна на материали, пробвайки се да разработим акумулатори, фотоелектрически кафези, способи за хващане на Co₂ и така нататък Има доста организации по света, които вършат това. Вярваме, че AI ще бъде огромен ускорител. Вярваме, че имаме водеща в света AI технология. За да може да го приведе на клиентите и сътрудниците, приведе в сходство с задачата на Microsoft да овластява другите. Нещо, което бихме желали да създадем в AI за просвета, посредством изследователския прогрес е да можем да създадем принадлежности, които

Източник: ft.com