ယခု Thinking Machines တွင် သိပ္ပံပညာရှင်ကြီးအဖြစ် တာဝန်ထမ်းဆောင်နေသော OpenAI ပူးတွဲတည်ထောင်သူ John Schulman က ၎င်း၏ကိုယ်ပိုင်ဖွံ့ဖြိုးတိုးတက်မှုကို အရှိန်မြှင့်ပေးမည့် AI စနစ်များကို သုံးနှစ်မှ လေးနှစ်ခန့်အတွင်း ပြန်လည်အသုံးချနိုင်မည်ဟု မျှော်လင့်ထားကြောင်း ပြောကြားခဲ့သည်။ Schulman သည်သောကြာနေ့တွင်ထုတ်ဝေသော Dwarkesh Podcast ၏စားပွဲဝိုင်းတွင်ခန့်မှန်းချက်ကိုပေးခဲ့ပြီး၊ ယင်းတွင်နယ်ခြားဓာတ်ခွဲခန်းသုတေသီသုံးဦးသည်စက်မှုလုပ်ငန်း၏မျက်နှာကျက်နှင့်မည်မျှနီးကပ်ကြောင်းပွင့်ပွင့်လင်းလင်းဆွေးနွေးခဲ့ကြသည်။
ထိုစကားဝိုင်းသည် နယ်နိမိတ်အနီးရှိ သုတေသီများက တိုးတက်မှုအတွက် တွေးတောနေကြပုံကို ရှားရှားပါးပါး ရှုမြင်နိုင်စေကာ Nvidia CEO Jensen Huang က "AGI ရောက်ရှိလာပြီ" ဟု ကြေငြာလိုက်သည့် ဆူညံသော ရက်သတ္တပတ်များအတွင်း ရောက်ရှိလာကာ 25 Fields Medalists အဖွဲ့မှ AI စံနှုန်းကို လိုက်ဖမ်းခြင်းသည် သင်္ချာကို ထိခိုက်စေကြောင်း သတိပေးခဲ့သည်။ နောက်ဆုံးပေါ် AI ဖွံ့ဖြိုးတိုးတက်မှုများ ကို ခြေရာခံဖတ်ရှုသူများအတွက် ဇာတ်လမ်းပိုင်းသည် အသုံးဝင်သော တန်ပြန်အလေးချိန်ဖြစ်သည်- ၎င်းတို့သည် စနစ်များကို တည်ဆောက်နေသူများဖြစ်ပြီး အချင်းချင်း ပြတ်ပြတ်သားသား သဘောမတူကြပါ။
စားပွဲမှာ ဘယ်သူလဲ။
အိမ်ရှင် Dwarkesh Patel က ဧည့်သည်များသည် "အတန်ငယ် ပွင့်လင်းမြင်သာသော ဓာတ်ခွဲခန်းများနှင့် ကုမ္ပဏီများ" ဟုခေါ်သည့် မှတ်တမ်းတွင် ဟောပြောနိုင်သည်ဟု ဆိုလိုသောကြောင့် ဧည့်သည်များက အကန့်ကို စုစည်းထားသည်ဟု ဆိုသည်။ Schulman သည် Zyphra မှနည်းပညာအရာရှိချုပ် Beren Millidge၊ open-source မော်ဒယ်များကိုတီထွင်နေသော startup နှင့် Baseten မှမော်ဒယ်သင်တန်းခေါင်းဆောင် Charlie O'Neill တို့ဖြစ်သည်။
Schulman ၏အထောက်အထားများသည် သူ၏ timeline ပြောဆိုချက်ကို အထူးအလေးထားပါသည်။ သူသည် OpenAI ကိုပူးတွဲတည်ထောင်ခဲ့ပြီး ChatGPT ၏နောက်ကွယ်မှနည်းပညာများကိုထုတ်လုပ်ပေးသည့်လူသားတုံ့ပြန်ချက်သုတေသနမှအားဖြည့်သင်ယူမှုကိုဦးဆောင်ခဲ့ပြီးယခုသူသည် Thinking Machines အတွက်မထွက်ခွာမီတွင်သူသည်ယခုသူသည်သိပ္ပံပညာရှင်ချုပ်အဖြစ်တာဝန်ထမ်းဆောင်နေသည်။
အနည်းနှင့်အများ ဆန့်ကျင်သည့်ကိစ္စ၊ သံမဏိသမား
Patel သည် ထောက်ပြမေးခွန်းတစ်ခုဖြင့် ဖွင့်ဆိုခဲ့သည်- အကယ်၍ 2036 သည် ကမ္ဘာကိုပြောင်းလဲစေမည့် ဉာဏ်ရည်ထက်မြက်သည့်စနစ်များ ဘီလီယံနှင့်ချီ၍ ရောက်ရှိလာပါက၊ နည်းပညာဆိုင်ရာ အကြောင်းပြချက်မှာ အဘယ်နည်း။ Millidge သည် သံသယရှိမှုများအတွက် အပြင်းထန်ဆုံးသောကိစ္စရပ်ကို ကမ်းလှမ်းခဲ့ပြီး Moravec ၏ ဝိရောဓိပုံစံပုံစံကို သုတေသီများက ၎င်းတို့ရှေ့တွင် စံထားသမျှ ace မော်ဒယ်များဖြစ်သည့် Moravec ၏ ဝိရောဓိပုံစံပုံစံကို ဖော်ပြထားသော်လည်း လက်တွေ့ကမ္ဘာ၏အကျိုးသက်ရောက်မှုက စိတ်ပျက်စရာဖြစ်သည်။
"အရာရာတိုင်းကို တစ်နည်းနည်းနဲ့ ပိတ်ဆို့နေတဲ့ ဆက်တိုက်ဖြစ်နေတဲ့ sim-to-real ကွာဟချက်တစ်ခုရှိပါသေးတယ်" ဟု Millidge က "လူတွေက စံသတ်မှတ်ထားတဲ့အရာအားလုံးမှာ AI က အလွန်ကောင်းလာပါတယ်" လို့ ထပ်မံဖော်ပြခြင်းမပြုဘဲ AI က စံနှုန်းတစ်ခုအဖြစ် သတ်မှတ်လိုက်တာပဲဖြစ်ပါတယ်။ အားဖြည့်သင်ကြားမှုသည် လက်တွေ့တွင် ယေဘူယျဖြစ်နေပြီဟူသော အထောက်အထားကို ညွှန်ပြပြီး ဤရလဒ်သည် မဖြစ်နိုင်ဟု ယူဆကြောင်း ၎င်းက ဆက်လက်ပြောသည်။
တိုးတက်မှုသည် အလိုအလျောက်မဟုတ်ကြောင်း Schulman အကြီးအကျယ်သဘောတူခဲ့သည်။ လူသားများသည် ယနေ့ခေတ် မော်ဒယ်များထက် အမှန်တကယ် အားသာချက်များကို ကိုင်စွဲထားပြီး မော်ဒယ်အသစ်တစ်ခုစီသည် အချို့နေရာများတွင် ပိတ်ဆို့မှုများ ကျန်ရှိနေချိန်တွင် အချို့နေရာများတွင် ဖမ်းစားနိုင်သည်—နောက်ဆုံး ထုတ်ကုန်များစွာကို သတ်မှတ်ပေးသည့် ပုံစံဖြစ်သည်။
လျင်မြန်သောမီးအချိန်ဇယား- နှစ်နှစ်၊ သုံးနှစ်မှ လေးနှစ်၊ ငါးနှစ်မှ ဆယ်နှစ်အထိ
Patel သည် နံပါတ်များအတွက် နှိပ်သောအခါ၊ အကန့်ကွဲသွားပါသည်။ အရည်အချင်းရှိသော ကော်လာဖြူလုပ်သားတစ်ဦးအတွက် AI သည် မည်သည့်အချိန်တွင် ဆယ်ဆကုန်ထုတ်နိုင်စွမ်းကို မြှင့်တင်ပေးနိုင်သနည်းဟု မေးမြန်းရာတွင် Schulman သည် ကိန်းဂဏန်းတစ်ခုတည်းကို ထုတ်ဖော်ရန် ငြင်းဆိုခဲ့ပြီး "နှစ်နှစ်ပြောရမယ်ဆိုရင်" လို့ပြောခဲ့ပါတယ်။ အလုပ်အမျိုးအစားအချို့အတွက် အမြတ် 10x ကျော်လွန်နေပြီဟု ငြင်းခုံခြင်းဖြင့် ၎င်းက "ဒါကို အမှန်တကယ် မြင်နိုင်သည်" ဟု Millidge မှ ပြောကြားခဲ့သည်။ O'Neill သည် ရှေးရိုးဆန်ဆုံးဖြစ်ပြီး "၅ နှစ်မှ ၁၀ နှစ်" ဟုဖြေဆိုခဲ့သည်။
ထို့နောက် Patel သည် ဇာတ်လမ်းကို "အခြေခံအားဖြင့် ASI မျှသာ" ဟု သတ်မှတ်ကာ နောက်ထပ်တွန်းအားပေးခဲ့သည်။ Schulman ၏ တုံ့ပြန်ချက်- "ကျွန်တော် 3-4 နှစ်လို့ ပြောချင်ပါတယ်" ဟု AI သုတေသန ကိုယ်တိုင် အလိုအလျောက် လုပ်ဆောင်ခြင်းသည် " AI အတွက် အခက်ခဲဆုံး အရာများထဲမှ တစ်ခု မဟုတ်ပါ။ အခြားသုတေသီများထံမှ ခန့်မှန်းချက်အား မည်မျှ တွန်းအားပေးမှု အနည်းငယ်မျှသာ ရှိခဲ့သည့်အတွက် ဖလှယ်မှုသည် မှတ်သားဖွယ်ကောင်းသည်။
အလိုအလျောက် သုတေသီများကို အမှန်တကယ် လေ့ကျင့်ပေးမည်လား။
Schulman ၏ စက်ပြင်ဆိုင်ရာ ဇာတ်လမ်းပိုင်း၏ များပြားလှသော အစိတ်အပိုင်းတစ်ခုကို Schulman က စျေးနှုန်းသတ်မှတ်ပေးထားသည်။ AI သုတေသနကို အလိုအလျောက်လုပ်ဆောင်နိုင်သည့် AI စနစ်များကို မည်ကဲ့သို့ လေ့ကျင့်ပေးမည်ကို မေးမြန်းရာတွင် Schulman က "သုတေသီများ၏ အရသာကို စုပ်ယူရန် လူသားတုံ့ပြန်မှုမှ သင်ယူမှုအချို့ပေါင်းစပ်ကာ အဆင့်ပေါင်းများစွာ သုတေသနပြုလုပ်ခြင်းပါ၀င်သည့် လက်တွေ့ပတ်ဝန်းကျင်များစွာကို ဖန်တီးနေခြင်းဖြစ်သည်" ဟု ဖော်ပြခဲ့သည်။
ထိုအဖြေသည် လုပ်ငန်း၏ငွေသွားနေသည့်နေရာနှင့် ဆက်စပ်နေသည်။ လေ့ကျင့်ရေးအေးဂျင့်များအတွက် အတုယူလုပ်ဆောင်နိုင်သော လုပ်ငန်းခွင်ပတ်ဝန်းကျင်များကို ဖန်တီးပေးသည့် Google ၏ မကြာသေးမီက ပြီးစီးခဲ့သော သဘောတူညီချက်သည် Mechanize အတွက် ပိုမိုကောင်းမွန်သော လေ့ကျင့်ရေးကွင်းများ—ပိုမိုကြီးမားသော မော်ဒယ်များသာမကဘဲ — ပိုမိုကောင်းမွန်သော လေ့ကျင့်ရေးကွင်းများကို အတိအကျထင်ဟပ်စေကာ နောက်တစ်ကြိမ် စွမ်းဆောင်ရည်များ တိုးလာမည်ဖြစ်သည်။ Schulman သည် အဓိကအခက်အခဲကို အလံပြခဲ့သည်- သဘာဝဒေတာပေါ်တွင်တည်ဆောက်ထားသော ဆုလာဘ်လုပ်ဆောင်ချက်များသည် သတ်မှတ်ရန်ခက်ခဲပြီး အသုံးပြုသူတစ်ဦးမှ ကုဒ်တည်းဖြတ်မှုကို လက်ခံခြင်းရှိမရှိကဲ့သို့သော အပေါ်ယံအချက်ပြမှုများသည် လေ့ကျင့်ရေးကို လှည့်စားနိုင်သည်။
ပေါင်းခံနှင့် ဗဟိုချုပ်ကိုင်မှု
Schulman ၏ အခိုင်မာဆုံးသော ခန့်မှန်းချက်များထဲမှ တစ်ခုသည် စက်မှုလုပ်ငန်းဖွဲ့စည်းပုံနှင့် သက်ဆိုင်ပါသည်။ "ပေါင်းခံခြင်းသည် ဗဟိုချုပ်ကိုင်မှုအား တွန်းလှန်သည့် အဓိကအရာဖြစ်သည်ဟု ကျွန်တော်ထင်သည်" ဟု အားဖြည့်သင်ကြားခြင်းမှတစ်ဆင့် သင်ယူထားသော စွမ်းရည်များကို မော်ဒယ်ငယ်များထံ အလွယ်တကူ လွှဲပြောင်းနိုင်ပြီး၊ နယ်ခြားလေ့ကျင့်ရေးများကို တတ်နိုင်သော ကုမ္ပဏီအနည်းငယ်ထက် ကျော်လွန်ကာ နယ်နိမိတ်ချင်းထိစပ်နေသော အရည်အချင်းကို ဖြန့်ကျက်နိုင်သည်ဟု သူက ဆိုသည်။
လူသားတွေအတွက် ဘာကျန်သေးလဲဆိုတဲ့ မေးခွန်းအတွက် Schulman က လေးနက်ပါတယ်။ “လူသားတွေအတွက် နောက်ဆုံးအလုပ် ဒါမှမဟုတ် အကြာဆုံးကြာရှည်ခံမယ့် လူသားတွေရဲ့ အခန်းကဏ္ဍက ရည်မှန်းချက်ကို သတ်မှတ်ပြီး တကယ်လိုချင်တာကို ဆုံးဖြတ်တာပါ” ဟု ၎င်းက ဆိုသည်။ Patel မှ "alignment သည် နောက်ဆုံးအလုပ်ဖြစ်သည်" ဟု Schulman က အကျဉ်းချုံ့လိုက်သောအခါ၊ "Alignment သည် အဖြေတစ်မျိုးဖြစ်သည်" ဟု မှတ်သားထားခြင်းဖြင့် ၎င်းသည် မှန်ကန်သောရည်မှန်းချက်ကို ရှာဖွေဖော်ထုတ်ပြီးနောက် အမှန်တကယ်အောင်မြင်ရန် ပြိုကွဲသွားပါသည်။
ဇာတ်လမ်းတွဲသည် timeline debate တွင် လိုက်ဖက်ပါသည်။
ဇာတ်လမ်းတွဲ၏စာတန်းထိုး — "ကျွန်ုပ်တို့သည် မျက်နှာကျက်အနီးတွင်မရှိပါ" — သည် ၎င်း၏ အလုံးစုံသော tenor ကို ဖမ်းယူထားသည်- လမ်းကြောင်းသည် မည်မျှ ကြမ်းတမ်းမည်ကို အငြင်းပွားကြသည့်တိုင် ကြီးမားသောပြေးလမ်းကို ကြိုမြင်နေသော သုတေသီများ။ ရှည်လျားသောမိုးကုပ်စက်ဝိုင်းအားဖြည့်သင်ကြားခြင်းသည် ယေဘူယျဉာဏ်ရည်ဉာဏ်သွေးကို ထုတ်ယူနိုင်သည်ဖြစ်စေ တရုတ်ဓာတ်ခွဲခန်းများ၏ တိုးတက်မှုကို တွန်းအားပေးနေသည့်အရာများကို ဆွေးနွေးမှုတွင် ပါဝင်ဆွေးနွေးခဲ့သည်။
အချိန်ဇယားနှင့်ပတ်သက်ပြီး အများသူငှာ ဆွေးနွေးငြင်းခုံမှုသည် ယခုလတွင် ဘက်ပေါင်းစုံမှ ပြင်းထန်လာခဲ့သည်။ Huang ၏ "AGI လာပါပြီ" ဟူသော ကြေငြာချက်သည် သိပ္ပံဆိုင်ရာ အရေးဆိုမှုထက် စီးပွားရေးဆိုင်ရာ ကိစ္စရပ်တစ်ခုအဖြစ် ဖတ်ရှုသော လေ့လာသူများထံမှ သံသယဖြစ်မှုကို ဖြစ်ပေါ်စေပြီး OpenAI အမှုဆောင်အရာရှိချုပ် Sam Altman က ဝန်ထမ်းများအား ဘေးကင်းရေးဆိုင်ရာ စိုးရိမ်ပူပန်မှုများ မြင့်တက်လာသည့်အတွက် ကုမ္ပဏီသည် ဘေးကင်းရေးဆိုင်ရာ စိုးရိမ်ပူပန်မှုများကို နှေးကွေးစေခဲ့ကြောင်း Bloomberg က ပြောကြားခဲ့သည်။ Schulman ၏ သုံးနှစ်မှ လေးနှစ်ကြာ ပြတင်းပေါက်သည် စျေးကွက်ချဲ့ထွင်ခြင်းနှင့် ခေတ္တဆိုင်းငံ့ခြင်းကြားတွင် တည်ရှိသည် — ယခု နယ်ပယ်ကို မောင်းနှင်နေသော နည်းပညာများကို တည်ဆောက်နေသည့် မှတ်တမ်းရှိသူထံမှ အလုပ်လုပ်သော ခန့်မှန်းချက်တစ်ခုဖြစ်သည်။
သူမှန်သည်ဖြစ်စေ၊ မရှိသည်ဖြစ်စေ ဝိုင်းထားသည့်အဖွဲ့မှသာလျှင် လှည့်ပတ်ထားသော မေးခွန်းများပေါ်တွင်မူတည်ပါသည်- အားဖြည့်သင်ယူမှုသည် ၎င်း၏လေ့ကျင့်ရေးပတ်ဝန်းကျင်ကို ယေဘုယျအားဖြင့် ကျော်လွန်နေသလား၊ စံနှုန်းစွမ်းဆောင်ရည်နှင့် စစ်မှန်သောစီးပွားရေးတန်ဖိုးအကြား ကွာဟချက်သည် ဆက်လက်ပိတ်နေသလား။
AI ၏ရှေ့တွင်နေပါ။
Frontier သုတေသီများသည် AI ၏ကန့်သတ်ချက်များကို အများသူငှာ အခြေအတင် ဆွေးနွေးနေကြသည် — ဇာတ်လမ်းကို ဖွံ့ဖြိုးတိုးတက်လာသည်နှင့်အမျှ လိုက်နာပါ။
AI Buzz Wire တွင် AI သတင်းများကို ဖတ်ရှုရန်
