H OpenAI ξεκίνησε για πρώτη φορά φέτος το Δεκέμβριο του 2024 πριν από τις γιορτές των Χριστουγέννων, ένα 12ήμερο πρόγραμμα ανακοινώσεων, και εκδηλώσεων με στόχο να παρουσιάσει νέες τεχνολογίες, ενημερώσεις προϊόντων και ερευνητικές εξελίξεις της OpenAI.
Η OpenAI ανακοίνωσε το νέο της μοντέλο AGI, το ο3 (το AGI συχνά αναφέρεται ως “ισχυρό AI” ή “αληθινό AI”, είναι ένα σύστημα τεχνητής νοημοσύνης που διαθέτει την ικανότητα να κατανοεί, να μαθαίνει και να εφαρμόζει τη γνώση σε ένα ευρύ φάσμα εργασιών με επάρκεια που μοιάζει με την ανθρώπινη), στις 20 Δεκεμβρίου 2024, κατά την τελευταία ημέρα της πρωτοβουλίας «12 Days of OpenAI».
Το νέο μοντέλο o3 της OpenAI αντιπροσωπεύει ένα σημαντικό άλμα προς τα εμπρός στην ικανότητα της Τεχνητής Νοημοσύνης να προσαρμόζεται σε νέες εργασίες. Δεν είναι μια σταδιακή βελτίωση, αλλά μια πραγματική επανάσταση, που σηματοδοτεί μια ποιοτική αλλαγή στις δυνατότητες της AI σε σύγκριση με τους προηγούμενους περιορισμούς των LLM. Το o3 είναι ένα σύστημα ικανό να προσαρμόζεται σε εργασίες που δεν έχει αντιμετωπίσει ποτέ πριν, προσεγγίζοντας αναμφισβήτητα τις επιδόσεις σε ανθρώπινο επίπεδο στον τομέα ARC-AGI.
Το μοντέλο o3 mini θα παρέχει στους χρήστες τη δυνατότητα να επιλέξουν μεταξύ τριών επιπέδων λογικής: Υψηλό, Μεσαίο και Χαμηλό. Το χαμηλό επίπεδο θα είναι το ταχύτερο αλλά λιγότερο ακριβές, ενώ το υψηλό επίπεδο θα είναι το πιο αργό αλλά πιο ακριβές.
Η OpenAI δεν έχει κυκλοφορήσει ακόμη τα μοντέλα o3. Ωστόσο, έχει αρχίσει να μοιράζεται τα μοντέλα o3 για δοκιμές ασφάλειας και προστασίας, αρχής γενομένης από σήμερα. Οι ενδιαφερόμενοι ερευνητές ασφάλειας και προστασίας μπορούν επίσης να υποβάλουν αίτηση για να αποκτήσουν πρόσβαση στα μοντέλα o3 πριν από τη δημόσια κυκλοφορία. Τα μοντέλα o3 αναμένεται να είναι διαθέσιμα στο κοινό το Μάρτιο του 2025.
Το o3 AGI της OpenAI διαφοροποιείται από το ChatGPT-4 και τα κλασικά AI σε αρκετές βασικές διαστάσεις, οι οποίες αφορούν τις δυνατότητές του, τον τρόπο λειτουργίας και την προσέγγισή του στη μάθηση και την επίλυση προβλημάτων.
Μερικά παραδείγματα για να κατανοήσουμε με απλό τρόπο τις αλλαγές που θα επιφέρει.
Δυνατότητα Γενίκευσης (Generalization)
ChatGPT-4 όπως και άλλα «κλασικά» AI, εκπαιδεύονται σε τεράστιο όγκο δεδομένων και αποδίδουν καλά σε εργασίες που σχετίζονται με αυτά τα δεδομένα. Ωστόσο, δυσκολεύονται να αντιμετωπίσουν άγνωστες ή εντελώς νέες καταστάσεις.
Παράδειγμα: Ένα κλασικό AI μπορεί να αναγνωρίσει και να διακρίνει αντικείμενα ή έμβια όντα σε εικόνες (π.χ., ”Αυτός είναι ένας σκύλος”) επειδή έχει «δει» χιλιάδες εικόνες σκύλων κατά την εκπαίδευσή του.
Το o3 AGI: Σχεδιάστηκε για να επιλύει προβλήματα που δεν έχει δει ποτέ πριν, χρησιμοποιώντας γενική λογική και προσαρμοστικότητα.
Παράδειγμα: Εάν του δώσουμε έναν γρίφο με ασυνήθιστα σχήματα που δεν υπάρχουν στη βάση δεδομένων του, το o3 μπορεί να βρει τη λύση αναλύοντας τις σχέσεις μεταξύ των σχημάτων, ακόμα κι αν δεν έχει ξαναδεί κάτι παρόμοιο.
Αυτονομία και Προσαρμοστικότητα
ChatGPT-4 και Κλασικά AI: Χρειάζονται σαφείς εντολές και συνήθως εκτελούν μία εργασία τη φορά. Αν συναντήσουν κάτι εκτός της εξειδίκευσής τους, δεν τα καταφέρνουν ή ζητούν περισσότερες πληροφορίες.
Παράδειγμα: Το ChatGPT-4 μπορεί να απαντήσει σε μια ερώτηση για τη φυσική, αλλά δεν μπορεί να σχεδιάσει μόνο του ένα νέο πείραμα αν δεν έχει τα απαραίτητα δεδομένα ή οδηγίες.
o3 AGI: Μπορεί να παίρνει αποφάσεις αυτόνομα και να προσαρμόζει τις ενέργειές του στις συνθήκες, ακόμα και αν αυτές αλλάξουν δραστικά.
Παράδειγμα: Εάν του ζητηθεί να σχεδιάσει έναν πύραυλο, αλλά στη μέση της διαδικασίας προκύψει ένας νέος περιορισμός (π.χ., χαμηλότερος προϋπολογισμός), το o3 θα προσαρμόσει το σχέδιό του χωρίς ανθρώπινη παρέμβαση.
Εκμάθηση από Εμπειρία (Few-shot και Zero-shot Learning)
ChatGPT-4 και Κλασικά AI: Χρειάζονται εκτεταμένη εκπαίδευση για να μάθουν νέες δεξιότητες. Δεν είναι τόσο καλοί στο “zero-shot learning” (όταν τους δίνεται μια νέα εργασία χωρίς εκπαίδευση) ή “few-shot learning” (όταν τους δίνονται μόνο λίγα παραδείγματα).
o3 AGI: Μπορεί να μαθαίνει σχεδόν αμέσως από λίγα δεδομένα ή και χωρίς καθόλου προηγούμενη εμπειρία.
Παράδειγμα: Αν του δείξετε μόνο δύο κινήσεις ενός παιχνιδιού που δεν έχει ξαναδεί, το o3 μπορεί να κατανοήσει τους κανόνες και να αρχίσει να παίζει ανταγωνιστικά.
Μερικές βασικές διαφορές ΑΙ και AGI
Επίπεδο Νοημοσύνης
Ένα AI όπως το ChatGPT (GPT-4), είναι ένα σύστημα τεχνητής νοημοσύνης εξειδικευμένο σε συγκεκριμένες εργασίες, όπως η επεξεργασία κειμένων και η παραγωγή κειμένων. Αν και μπορεί να επιτελεί πολλές διαφορετικές εργασίες, βασίζεται σε δεδομένα εκπαίδευσης που έχουν περιορισμούς και δεν διαθέτει συνείδηση ή αυτονομία. Δεν μπορεί να αντιληφθεί ή να κατανοήσει το περιβάλλον με τον ίδιο τρόπο που το κάνει ο άνθρωπος.
AGI: Σκοπός του AGI είναι να δημιουργήσει μια γενική νοημοσύνη που θα είναι ικανή να κατανοεί και να εκτελεί οποιοδήποτε τύπο έργου, όπως κάνει ο άνθρωπος. Αυτό σημαίνει ότι το AGI θα έχει την ικανότητα να μαθαίνει και να προσαρμόζεται σε νέες καταστάσεις με τρόπο πιο ευέλικτο και αυτονομημένο από τα υπάρχοντα συστήματα AI.
Το ΑΙ χρησιμοποιεί εκπαίδευση σε δεδομένα και μπορεί να απαντά σε ερωτήσεις, να δημιουργεί κείμενα και να εκτελεί άλλες καθορισμένες εργασίες. Δεν έχει τη δυνατότητα να μάθει συνεχώς από το περιβάλλον ή να εξελιχθεί με τον ίδιο τρόπο που το κάνει ο άνθρωπος. Είναι ένα στατικό μοντέλο.
Το AGI αναμένεται να έχει δυνατότητες συνεχούς μάθησης και προσαρμογής. Θα μπορεί να εξελίσσεται από τις εμπειρίες του και να επεκτείνει τις ικανότητές του πέρα από τα προκαθορισμένα δεδομένα. Δηλαδή, το ARC AGI θα είναι πιο κοντά στην ανθρώπινη μάθηση.
