ಓಪನ್ಎಐ ಬಾಟ್ಗಳು ಕೇವಲ “ಡೋಟಾ 2.” ಈಗ ಏನು? – ಸ್ಫಟಿಕ

ನಿಜಾವಧಿಯ ಆನ್ಲೈನ್ ​​ವೀಡಿಯೋ ಗೇಮ್ ಡೋಟಾ 2 ಅನ್ನು ವೃತ್ತಿಪರರು 20 ಮಿಲಿಯನ್ ಡಾಲರ್ ಬಹುಮಾನಕ್ಕಾಗಿ ಪ್ರದರ್ಶಿಸಿದರು – ಇದು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಇತ್ತೀಚಿನ ಮೈಲಿಗಲ್ಲುಯಾಗಿದೆ.

ನಿನ್ನೆ, ಓಪನ್ಎಐ ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ ಒಂದು ಅಲ್ಗಾರಿದಮ್, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಕೇಂದ್ರೀಕರಿಸಿದ, ಸ್ಯಾನ್ ಫ್ರಾನ್ಸಿಸ್ಕೋದ ಒಂದು ಸಮಾರಂಭದಲ್ಲಿ ಪ್ರೊ ಗೇಮಿಂಗ್ ಟೀಮ್ ಒಜಿ ಅನ್ನು ಸೋಲಿಸಿತು , ಮೊದಲ ಎರಡು ಪಂದ್ಯಗಳನ್ನು ಅತ್ಯುತ್ತಮ ಸರಣಿಯಲ್ಲಿ ಗೆದ್ದುಕೊಂಡಿತು. ಮೊದಲ ಪಂದ್ಯವು ಹತ್ತಿರವಾಗಿತ್ತು, ಮನುಷ್ಯರು 40 ನಿಮಿಷಗಳಿಗಿಂತಲೂ ಹೆಚ್ಚಿನ ಅವಧಿಯನ್ನು ಉಳಿಸಿಕೊಂಡರು, ಆದರೆ ಎರಡನೇ ಪಂದ್ಯವು AI ಸಾಫ್ಟ್ವೇರ್ ಗೆಲ್ಲಲು 20 ನಿಮಿಷಗಳಿಗಿಂತ ಕಡಿಮೆ ಸಮಯವನ್ನು ತೆಗೆದುಕೊಂಡಿತು.

ಅಂತಿಮವಾಗಿ, ಆದರೂ, ಆಟವಾಡುವ ಆಟಗಳಲ್ಲಿ ಉತ್ತಮವಾದ ಕ್ರಮಾವಳಿಗಳನ್ನು ರಚಿಸಲು ಓಪನ್ಎಐನ ಗುರಿ ಇದೆ. ಇದು “ಕೃತಕ ಸಾಮಾನ್ಯ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು” ರಚಿಸಲು ಸಹ-ಸಂಸ್ಥಾಪಕ ಸ್ಯಾಮ್ ಆಲ್ಟ್ಮನ್ ಕ್ವಾರ್ಟ್ಜ್ಗೆ ತಿಳಿಸಿದರು.

ಎಜಿಐ ಕ್ರಮಾವಳಿಗಳು ಬೇಗನೆ ಕಲಿಯಬಹುದು ಮತ್ತು ಜನರು ಮಾಡುವಂತೆ ವಿವಿಧ ಹೊಸ ಕಾರ್ಯಗಳನ್ನು ವಿಶಾಲವಾಗಿ ನಿರ್ವಹಿಸುವ ಪರಿಕಲ್ಪನೆಯಾಗಿದೆ. ಮನುಷ್ಯರು ಸನ್ನಿವೇಶಗಳಿಗೆ ಹೊಂದಿಕೊಳ್ಳಬಲ್ಲರು ಮತ್ತು ಇಂದಿನ AI ಗೆ ಸಂಬಂಧಿಸಿ, ಅದ್ಭುತ ಕೌಶಲ್ಯದೊಂದಿಗೆ ಕೌಶಲ್ಯಗಳನ್ನು ಕಲಿಯಬಹುದು. ಇದಕ್ಕೆ ವ್ಯತಿರಿಕ್ತವಾಗಿ, ಇದು ಡೋಟಾವನ್ನು ಮಾಸ್ಟರ್ಸ್ ಮಾಡಲು 10 ತಿಂಗಳ ಓಪನ್ಎಐ ಅಲ್ಗಾರಿದಮ್ ಅನ್ನು ತೆಗೆದುಕೊಂಡಿತು. ಆ ಸಮಯದಲ್ಲಿ ಅದು 45,000 ವರ್ಷಗಳ ಆಟದ ಪ್ರದರ್ಶನವನ್ನು ಅನುಕರಿಸಿತು.

“ತೇವ ಮತ್ತು ಬಿಸಿ ಮತ್ತು ದೋಷಪೂರಿತವಾದ ಯಾವುದನ್ನಾದರೂ ಮಾನವ ಮೆದುಳಿನ ಸಾಂದ್ರತೆಯ ಸಾಂದ್ರತೆ ಅದ್ಭುತವಾಗಿದೆ,” ಆಲ್ಟ್ಮನ್ ಪಂದ್ಯದ ಮೊದಲು ವರದಿಗಾರರಿಗೆ ತಿಳಿಸಿದರು. ಮೆದುಳಿನ ಶಕ್ತಿಯನ್ನು ಪ್ರತಿಸ್ಪರ್ಧಿಸಲು, ಅವರು ನಂಬುತ್ತಾರೆ, ಕಂಪ್ಯೂಟರ್ಗಳು ಗಾತ್ರದಲ್ಲಿ ಬೆಳೆಸಿಕೊಳ್ಳಬೇಕು, ಕೋಣೆಯ-ಗಾತ್ರದ ಬೆಹೆಮೊಥ್ಗಳಷ್ಟು ದೊಡ್ಡದಾಗಿದೆ. ಕೆಲವು ರೀತಿಗಳಲ್ಲಿ, ಅದು ಈಗಾಗಲೇ ಪ್ರವೃತ್ತಿಯಾಗಿದೆ. ತನ್ನ ಸ್ವಂತ ಯಂತ್ರಾಂಶದ ಜೊತೆಗೆ, OpenAI ಅನೇಕ ಕ್ಲೌಡ್ ಪೂರೈಕೆದಾರರ ಡೇಟಾ ಕೇಂದ್ರಗಳನ್ನು ತನ್ನ ಕ್ರಮಾವಳಿಗಳಿಗೆ ತರಬೇತಿ ನೀಡಲು ಬಳಸುತ್ತದೆ, ಆಲ್ಟ್ಮನ್ ಗಮನಸೆಳೆದಿದ್ದಾರೆ.

ಶನಿವಾರದಂದು ಗೆದ್ದಿದ್ದು, ಓಪನ್ಎಐ ಡೋಟಾ 2 ಅನ್ನು ಹೇಗೆ ಸದುಪಯೋಗಪಡಿಸಿಕೊಳ್ಳಬೇಕೆಂಬುದರ ನಿರ್ದಿಷ್ಟ ಸಮಸ್ಯೆಯನ್ನು ಬಗೆಹರಿಸಬಹುದೆಂದು ಸಾಬೀತಾಗಿದೆ. ಈಗ OpenAI ಮುಂದಿನ ದೊಡ್ಡ ಸವಾಲು ಏನಾಗಲಿದೆ ಎಂಬುದನ್ನು ಅದರ ದೃಶ್ಯಗಳನ್ನು ಮರುಹೊಂದಿಸಬೇಕಾಗಿದೆ.

ಸಂಘಟನೆಯ AI ಸಂಶೋಧಕ ಫಿಲಿಪ್ ವೊಲ್ಸ್ಕಿ, ಮುಂದಿನ ಸವಾಲು ಹೆಚ್ಚು ಸಂಕೀರ್ಣ ಆಟಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ ಎಂದು ಹೇಳುತ್ತದೆ, ಉದಾಹರಣೆಗೆ ಸಂವಹನವು ಹೆಚ್ಚು ಮುಖ್ಯವಾದ ಅಥವಾ ಆರು-ಜೊತೆಗೆ ಅಕ್ಷರಗಳನ್ನು ನಿಯಂತ್ರಿಸುವ ಅಗತ್ಯವಿರುತ್ತದೆ.

“ಅಥವಾ ಡಾಟಾ ಪರಿಸರಕ್ಕೆ ಬದಲಾಗಿ, 10 ತಿಂಗಳು ತರಬೇತಿ ಪಡೆದ ಈ ವಿಷಯವನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ನಾವು ಪ್ರಯತ್ನಿಸೋಣ ಮತ್ತು ಬಹುಶಃ ಅದನ್ನು ಒಂದು ತಿಂಗಳು ಅಥವಾ ಒಂದು ವಾರದಲ್ಲಿ ತರಬೇತಿ ನೀಡಲು ತಂತ್ರಗಳನ್ನು ನಾವು ಬರಬಹುದು, ಅಥವಾ ಅದಕ್ಕಿಂತ ಕಡಿಮೆ,” ವೋಲ್ಕಿ ಹೇಳಿದರು. “ನಾವು ಕಂಡುಹಿಡಿಯಬೇಕಾದ ಒಂದು ವಿಷಯವೆಂದರೆ ಈ ಮಾರ್ಗಗಳಲ್ಲಿ ಯಾವುದು ಸಂಕೀರ್ಣವಾದ AI ನಿರ್ಮಿಸಲು ಸಂಶೋಧನೆ ನಡೆಸುತ್ತಿದೆಯೆಂದು ಮತ್ತು [AGI] ಗೆ ಹತ್ತಿರದಲ್ಲಿದೆ.”

ಆಲ್ಟ್ಮ್ಯಾನ್ನ ಸಂಶೋಧನೆಯ ಮತ್ತೊಂದು ಕ್ಷೇತ್ರವು ಎಐ ಕಡಿಮೆ ಗಣಕಯಂತ್ರದ ತೀವ್ರತೆಯನ್ನು ಕಡಿಮೆ ಮಾಡುವ (ಮತ್ತು ಆದ್ದರಿಂದ ತರಬೇತಿ ಪಡೆಯುವಲ್ಲಿ ಕಡಿಮೆ) ತಯಾರಿಕೆಗೆ ಒಳಪಡುತ್ತದೆ ಎಂದು ಹೇಳುತ್ತದೆ, ಕಡಿಮೆ ಪರಿಪೂರ್ಣ ಸಿಮ್ಯುಲೇಟರ್ಗಳಲ್ಲಿ ಎಐ ಅನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳುವುದನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳಬಹುದು. Dota 2 ನಂತಹ ವಿಡಿಯೋ ಆಟಗಳು ಆದರ್ಶ ಸಿಮ್ಯುಲೇಟರ್ಗಳು, ಏಕೆಂದರೆ AI ಯು ಅಂತಿಮ ಡಿಜಿಟಲ್ ಪರೀಕ್ಷೆಯಲ್ಲಿ ಸಿಸ್ಟಮ್ನ ಅಂತಿಮ ಪರೀಕ್ಷೆಯಾಗಿ ತರಬೇತಿ ನೀಡುತ್ತದೆ. ಸಾವಯವ ರಸಾಯನಶಾಸ್ತ್ರದಂತೆಯೇ, ಹಿಂದೆ ಗುರುತಿಸಲಾಗದ ರೋಗಗಳಿಗೆ ಚಿಕಿತ್ಸೆ ನೀಡಲು ಹೊಸ ಔಷಧಿಗಳನ್ನು ಉತ್ಪಾದಿಸುವ ಗುರಿ ಇರಬೇಕಾದರೆ, ಮಾನವ ದೇಹದಲ್ಲಿ ಪ್ರತಿ ಸಂಭವನೀಯ ಆಣ್ವಿಕ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ಪುನಃ ರಚಿಸಲಾಗದ ಕಾರಣ ಉತ್ತಮ ಸಿಮ್ಯುಲೇಟರ್ಗಳು ಇಲ್ಲ. 2017 ರಲ್ಲಿ ತಜ್ಞರು ಕ್ವಾರ್ಟ್ಸ್ಗೆ ತಿಳಿಸಿದರು , ಎಐ ಎಂದಾದರೂ ಈ ನೈಜ-ಪ್ರಪಂಚದ ಸಮಸ್ಯೆಗಳನ್ನು ನಿಭಾಯಿಸಲು ಬಯಸಿದರೆ ಉತ್ತಮ ಸಿಮ್ಯುಲೇಟರ್ಗಳು ನಿರ್ಮಿಸುವ ಅವಶ್ಯಕತೆಯಿದೆ.

“ನಾವು ಅಪರೂಪದ ಸಿಮ್ಯುಲೇಟರ್ಗಳು ಚೆನ್ನಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಕ್ರಮಾವಳಿಗಳನ್ನು ಹೇಗೆ ನಿರ್ಮಿಸುತ್ತೇವೆ, ಮತ್ತು ಅವುಗಳನ್ನು ನೈಜ ಜಗತ್ತಿನಲ್ಲಿ ವರ್ಗಾಯಿಸುವುದು ಹೇಗೆ?” ಆಲ್ಟ್ಮನ್ ಹೇಳಿದರು. “ಇದು ನಮಗೆ ಪ್ರಮುಖವಾದ ಪ್ರದೇಶವಾಗಿದೆ.”