Роботите учат, чатботовете визуализират: как 2024 г. ще бъде „Скокът напред“ на ИИ

На събитие в Сан Франциско през ноември, Сам Алтман, главен изпълнителен директор на изкуствения интелект компания OpenAI, беше попитан какви изненади ще донесе полето през 2024 г.

Онлайн чатботове като ChatGPT на OpenAI ще направят „скок напред, който никой не очаква“, веднага г-н Алтман отговори.

Седнал до него, Джеймс Маника, изпълнителен директор на Google, кимна и каза: „Плюс едно към това.“

ИИ индустрията тази година ще се определя от една основна характеристика: забележително бързо подобрение на технологията, тъй като напредъкът се надгражда един върху друг, позволявайки ИИ. за генериране на нови видове медии, имитиране на човешки разсъждения по нови начини и проникване във физическия свят чрез нова порода роботи.

През следващите месеци изображение, задвижвано от AI генератори като DALL-E и Midjourney незабавно ще доставят видеоклипове, както и неподвижни изображения. И те постепенно ще се слеят с чатботове като ChatGPT.

Нищо от това не означава, че ИИ. скоро ще може да се сравни с човешкия мозък. Докато A.I. компаниите и предприемачите се стремят да създадат това, което наричат ​​„изкуствен общ интелект“ – машина, която може да прави всичко, което човешкият мозък може – това остава трудна задача. Въпреки всичките си бързи печалби, A.I. остава в ранните етапи.

Ето ръководство за това как ИИ. е настроен да се промени тази година, започвайки с най-близките напредъци, които ще доведат до по-нататъшен напредък в неговите способности.

Незабавни видеоклипове< /h2>

Досега базираните на AI приложения генерираха предимно текст и неподвижни изображения в отговор на подкани. DALL-E, например, може да създава фотореалистични изображения за секунди от заявки като „носорог, гмуркащ се от моста Golden Gate.“

Базираната в Ню Йорк Runway вероятно ще внедри генератори на изображения, които позволяват на хората да генерират и видеоклипове . Тези компании вече са създали прототипи на инструменти, които могат незабавно да създават видеоклипове от кратки текстови подкани.

Технологичните компании вероятно ще сгънат правомощията на генераторите на изображения и видео в чатботове, правейки чатботовете са по-мощни.

„Мултимодални“ чатботове

Чатботове и генератори на изображения , първоначално разработени като отделни инструменти, постепенно се сливат. Когато OpenAI дебютира с нова версия на ChatGPT миналата година, чатботът можеше да генерира изображения, както и текст.

A.I. компаниите изграждат „мултимодални“ системи, което означава, че ИИ може да обработва множество видове медии. Тези системи усвояват умения чрез анализиране на снимки, текст и потенциално други видове медии, включително диаграми, графики, звуци и видео, така че след това да могат да произвеждат свой собствен текст, изображения и звуци.

Това не е всичко. Тъй като системите също изучават връзките между различните видове медии, те ще могат да разберат един тип медии и да отговорят с друг. С други думи, някой може да въведе изображение в chatbot и той ще отговори с текст.

По-добро „разсъждение“

Когато г-н Алтман говори за напредъка на ИИ, той има предвид чатботове, които са по-добри в „разсъждението“, така че да могат да поемат по-сложни задачи, като решаване на сложни математически задачи и генериране на подробни компютърни програми.

Целта е да се изградят системи, които могат внимателно и логично да решат проблем чрез поредица от отделни стъпки, всяка от които се основава на следващата . Така разсъждават хората, поне в някои случаи.

Водещите учени не са съгласни дали чатботовете наистина могат да разсъждават по този начин. Някои твърдят, че тези системи просто изглежда разсъждават, тъй като повтарят поведение, което са видели в интернет данни. Но OpenAI и други изграждат системи, които могат по-надеждно да отговарят на сложни въпроси, включващи предмети като математика, компютърно програмиране, физика и други науки.

Ако чатботовете са по-добри в разсъжденията, те могат да се превърнат в „ИИ. агенти.“

‘A.I. Агенти’

Както компаниите учат ИИ. системи как да работите със сложни проблеми стъпка по стъпка, те също могат да подобрят способността на чатботовете да използват софтуерни приложения и уебсайтове от ваше име.

Изследователите по същество трансформират chatbots в нов вид автономна система, наречена A.I. агент. Това означава, че чатботовете могат да използват софтуерни приложения, уебсайтове и други онлайн инструменти, включително електронни таблици, онлайн календари и сайтове за пътуване. Тогава хората биха могли да прехвърлят досадната офис работа на чатботове. Но тези агенти могат също така да отнемат изцяло работни места.

Чатботовете вече работят като агенти по малки начини. Те могат да планират срещи, да редактират файлове, да анализират данни и да създават лентови диаграми. Но тези инструменти не винаги работят толкова добре, колкото е необходимо. Агентите се развалят напълно, когато се прилагат за по-сложни задачи.

Тази година A.I. компаниите са готови да разкрият агенти, които са по-надеждни. „Трябва да можете да делегирате всяка досадна, ежедневна компютърна работа на агент“, каза г-н Луан.

Точно както чатботовете могат да се научат да предсказват следващата дума в изречение, като анализират огромни количества цифров текст, един робот може да се научи да предсказва какво ще се случи във физическия свят, като анализира безброй видеоклипове на обекти, които се блъскат, повдигат и преместват.

„Тези технологии могат да абсорбират огромни количества данни. И докато усвояват данни, те могат да научат как работи светът, как работи физиката, как взаимодействате с обекти“, каза Питър Чен, бивш изследовател на OpenAI, който ръководи Covariant, стартираща роботика.

Тази година A.I. ще зареди роботи, които работят зад кулисите, като механични ръце, които сгъват ризи в пералня или сортират купища неща в склад. Технологични титани като Илон Мъск също работят за преместването на хуманоидни роботи в домовете на хората.

Последвайте ни в