Miks tehisintellekti mudelitel ei saa olla teadvust

Transformeri mudelite põhiarhitektuur

Praegused tehisintellekti süsteemid, eriti suured keelemudelid nagu GPT ja ChatGPT, põhinevad nn Transformeri arhitektuuril. See on Google'i teadlaste poolt 2017. aastal välja töötatud spetsiaalne matemaatilise andmetöötluse vorm. See arhitektuur toimib täielikult numbriliste arvutuste ja statistiliste mustrite põhjal, ilma töödeldud sisu sügavamat mõistmist arendamata.

Trafomudel koosneb virnastatud kodeerija ja dekoodri kihtidest, mis töötavad koos sisendandmete töötlemiseks. Kodeerija teisendab sisendandmed matemaatilisteks esitusteks, samas kui dekooder teisendab selle teabe soovitud väljundiks. Mõlemad komponendid kasutavad oma ülesannete täitmiseks keerulisi matemaatilisi tehteid, nagu maatriksite korrutamine ja mittelineaarsed aktiveerimisfunktsioonid.

Kuidas enesetähelepanu mehhanismid toimivad

Transformeri arhitektuuri tuumaks on enesetähelepanu mehhanism. See võimaldab mudelil sisendjada eri osi erinevalt kaaluda. Mehhanism arvutab vektorite vahelisi skalaarkorrutisi, et modelleerida jada sõltuvusstruktuure. Need kaalud on aga puhtalt numbrilised koefitsiendid, mis jäädvustavad treeningandmete statistilisi seaduspärasusi.

Mõiste "tähelepanu" on selles kontekstis puhtalt metafoorne. See ei viita teadlikule tähelepanule inimlikus mõttes, vaid pigem matemaatilistele arvutustele, mis määravad, millistele sisendi osadele tuleks väljundi genereerimisel anda suurem kaal. Need arvutused järgivad deterministlikke reegleid ja põhinevad õpitud kaalumaatriksitel.

Tokeni töötlemise ja manustamise ruumid

Töötlemine algab teksti teisendamisega niinimetatud märkideks, mis toimivad numbriliste ühikutena. Seejärel paigutatakse need märgid kõrgmõõtmelistesse vektorruumidesse, mida nimetatakse manustamiseks. Manustamine on matemaatiline esitus, mis kujutab iga sõna või tekstisegmenti punktina mitmemõõtmelises ruumis.

Tokeni asukoht selles manustamisruumis määratakse optimeerimisprotsesside abil, mille eesmärk on parandada mudeli ennustustäpsust. Lähedus manustamisruumis peegeldab statistilisi sarnasusi treeningkorpuses, kuid mitte semantilisi tähendusi kitsamas tähenduses. Need manustamised on lihtsalt koordinaadid matemaatilises ruumis, mille väärtused on masinõppe abil optimeeritud.

Tehisintellekti töötlemise matemaatilised alused

Parameetrid ja optimeerimine

Kaasaegsed keelemudelid sisaldavad miljardeid parameetreid. Need parameetrid on arvväärtused, mis on sobitatud gradiendi abil, et minimeerida kadumisfunktsiooni. Gradiendi meetod on matemaatiline optimeerimistehnika, mis muudab süstemaatiliselt mudeli parameetreid, et parandada selle jõudlust.

Protsess toimib sarnaselt tihedas udus mäes matkamisele. Mudel läheneb optimaalsele punktile järk-järgult, arvutades kaotusfunktsiooni tõusu ja liikudes vastassuunas. Need parameetrid toimivad üksnes matemaatiliste funktsioonide optimeerimiskoefitsientidena ning neil puudub teadlik tähendus või kavatsus.

Inimese tagasisidest õppimise tugevdamine

Tehisintellekti tehnoloogia võtmeareng on inimese tagasisidest tulenev tugevdusõpe. See meetod tõlgib inimeste eelistused numbrilisteks tasusignaalideks. Mudel kohandab oma parameetreid, et suurendada tõenäosust, et kulutused on inimeste poolt eelistatud.

RLHF koosneb tavaliselt kolmest etapist: esiteks treenitakse mudel eelnevalt juhendatud õppe abil. Seejärel kogutakse inimeste tagasisidet preemiamudeli treenimiseks. Lõpuks optimeeritakse algset mudelit tugevdusõppe abil, et maksimeerida preemiamudeli ennustatud eelistusi. Kogu see protsess on puhtalt matemaatiline ega hõlma teadlikku otsuste langetamist.

Softmax-teisendus ja tõenäosusjaotused

Töötlemise lõpus teisendab softmax-funktsioon algväärtused tõenäosusjaotusteks. Softmax-funktsiooni matemaatiline valem on: Softmax(x_i) = e^(x_i) / Σ(e^(x_j)). See funktsioon teisendab arvväärtuste vektori tõenäosuste vektoriks, mille summa on võrdne ühega.

Järgmine sümbol valitakse selle tõenäosusjaotuse põhjal valimi moodustamise või Argmaxi meetodi abil. See Argmaxi meetod on puhtstatistiline reegel ilma teadliku otsustusprotsessita. Softmaxi funktsioon võimaldab mudelil lihtsalt esitada oma väljundeid tõlgendataval kujul, ilma et teadlik mõtlemine või arusaam sellest rolli mängiks.

Teadvuse filosoofiline probleem

Teadvuse definitsioon ja omadused

Teadvus hõlmab kõiki indiviidi kogetud seisundeid. See hõlmab nii kogemuste kogumit kui ka teadlikku teadvust kui nende kogemuste teatud tüüpi vahetut taju. Filosoofid ja neuroteadlased eristavad teadvuse erinevaid aspekte, kusjuures eriti olulised on fenomenaalne teadvus ja ligipääsuteadvus.

Fenomenaalne teadvus viitab vaimsete seisundite subjektiivsele kogemuslikule kvaliteedile. See on see, mis moodustab teatud vaimses seisundis viibimise – see, kuidas midagi kogevale subjektile tundub. Neid subjektiivseid kogemuslikke omadusi nimetatakse kvaalideks ja need on otseselt ligipääsetavad ainult tajuvale subjektile.

Intsionaalsus kui vaimse omaduse tunnusjoon

Intentsionaalsus viitab vaimsete seisundite võimele millelegi viidata. Franz Brentano tutvustas seda kontseptsiooni tänapäeva filosoofias ja pidas seda vaimse iseloomulikuks tunnuseks. Intentsionaalsus on teadvuse suunatud omadus – fakt, et teadvus on alati millegi teadvustamine.

Intentsionaalsetel seisunditel on sisu olenemata sellest, kas nende objekt eksisteerib. Inimesel võivad olla uskumused olematute objektide kohta või soovid saavutamatute eesmärkide järele. See omadus eristab vaimseid nähtusi puhtfüüsilistest protsessidest, mis järgivad ainult põhjuslikke seadusi.

Teadvuse keeruline probleem

David Chalmers sõnastas „teadvuse raske probleemi“ küsimusena, miks ja kuidas ajus toimuvad füüsikalised protsessid viivad subjektiivse kogemuseni. See probleem erineb kategooriliselt teadvuse uurimise „lihtsast probleemist“, mis puudutab funktsionaalseid aspekte, nagu diskrimineerimine, teabe integreerimine ja käitumise kontroll.

Raske probleem seisneb selles, kuidas selgitada, miks nende funktsioonide täitmine kaasneb kogemusega. Isegi kui kõik olulised funktsionaalsed faktid on selgitatud, jääb õhku küsimus: miks on nende funktsioonide täitmine seotud kogemusega? See küsimus näib trotsivat mehhanistlikku või käitumuslikku selgitust.

Neuroteaduslikud leiud teadvuse kohta

Teadvuse neuraalsed korrelaadid

Neuroteadus uurib teadvuse neuraalseid korrelaate ehk NCC-sid. Neid defineeritakse kui väikseimat neuraalsete sündmuste ühikut, mis on piisav antud teadliku taju jaoks. NCC-d on neuraalsed tegevused, seisundid või alamsüsteemid, mis on otseselt seotud teadvusega.

Teadlased nagu Wolf Singer ja Andreas Engel on näidanud, et loomade ja inimeste ajus esinevad ajaliselt sünkroniseeritud närvivõrkude tühjenemised. See ajaline korrelatsioon võib olla teadvuse tekkimisel ülioluline. Hüpotees põhineb eeldusel, et ajalise sünkroniseerimise mehhanismid on seotud nelja ajufunktsiooniga: teadlikkus, sensoorse taju integreerimine, tähelepanu valik ja töömälu.

Teadlike protsesside bioloogiline alus

Teadvus sõltub ajukoore piisavast hapniku- ja glükoosivarustusest, samuti assotsiatiivse ajukoore neuronite piisavalt tugevast aktiveerimisest. Need bioloogilised eeldused näitavad, et teadvus ei ole pelgalt abstraktne omadus, vaid sellel on konkreetsed füüsikalised alused.

Väikeajus on kolm korda rohkem neuroneid kui ajukoores, kuid isegi raske kahjustuse korral säilib teadvus suures osas. See viitab sellele, et oluline ei ole mitte neuronite arv, vaid pigem nende spetsiifiline organisatsioon ja ühenduvus teatud ajupiirkondades.

Siit saate teada, kuidas teie ettevõte saab kiiresti, turvaliselt ja ilma kõrgete sisenemisbarjäärideta rakendada kohandatud tehisintellekti lahendusi.

Hallatud tehisintellekti platvorm on teie kõikehõlmav ja muretu tehisintellekti lahendus. Keerulise tehnoloogia, kalli infrastruktuuri ja pikkade arendusprotsessidega tegelemise asemel saate spetsialiseerunud partnerilt teie vajadustele vastava valmislahenduse – sageli vaid mõne päeva jooksul.

Peamised eelised lühidalt:

⚡ Kiire teostus: Ideest kasutusvalmis rakenduseni päevade, mitte kuude jooksul. Pakume praktilisi lahendusi, mis loovad kohest lisaväärtust.

🔒 Maksimaalne andmeturve: Teie tundlikud andmed jäävad teie kätte. Garanteerime turvalise ja nõuetele vastava töötlemise ilma andmeid kolmandate osapooltega jagamata.

💸 Finantsriski pole: maksate ainult tulemuste eest. Suured esialgsed investeeringud riist- ja tarkvarasse või personali jäävad täielikult ära.

🎯 Keskendu oma põhitegevusele: Keskendu sellele, mida sa kõige paremini oskad. Meie hoolitseme sinu tehisintellekti lahenduse kogu tehnilise juurutamise, käitamise ja hoolduse eest.

📈 Tulevikukindel ja skaleeritav: teie tehisintellekt kasvab koos teiega. Tagame pideva optimeerimise ja skaleeritavuse ning kohandame mudeleid paindlikult uutele nõuetele.

Lisateavet leiate siit:

• Hallatud tehisintellekti lahendus - tööstuslikud tehisintellekti teenused: konkurentsivõime võti teenuste, tööstuse ja masinaehituse sektoris

Miks tehisintellekti mudelid ei saa teadvust arendada

Tahtlikkuse ja tähenduse puudumine

Tehisintellekti mudelid töötlevad sümboleid ja vektoreid ilma sisemist tähendust arendamata. Nad manipuleerivad token-ID-de ja numbriliste struktuuridega, mitte tähendustega elava sisuna. See sümboolne töötlemine on puhtalt süntaktiline, ilma manipuleeritud sümbolite semantilise mõistmiseta.

John Searle'i hiina keele ruumi argument illustreerib seda probleemi. Selles mõtteeksperimendis järgib inimene hiina sümbolitega manipuleerimise reegleid ilma hiina keelt mõistmata. Kuigi vastused tunduvad hiina emakeelena kõnelejatele loogilised, ei mõista ei inimene ega süsteem tervikuna märkide tähendust. Arvutid käivitavad programme sarnaselt – nad rakendavad süntaktilisi reegleid ilma semantilist arusaamist omamata.

Esimese isiku vaatenurga puudumine

Tehisintellekti süsteemid toimivad ilma minamudeli või fenomenaalse sisevaateta. Puudub eneseviide, kuna puudub esimese isiku vaatenurk. Teadvust iseloomustab aga sisuliselt subjektiivse vaatenurga olemasolu – „See lihtsalt on nii, see süsteem“.

Thomas Nageli kuulus essee „Milline on olla nahkhiir?“ rõhutab seda teadvuse omadust. Teadvus hõlmab paratamatult subjektiivset kogemuse dimensiooni, mida ei saa väljastpoolt täielikult kirjeldada. Tehisintellekti süsteemidel selline subjektiivne sisemine perspektiiv puudub – nad töötlevad infot ilma kogevat subjekti loomata.

Mehaaniline infotöötlus teadliku kogemuse asemel

Tehisintellekti süsteemides olevad tasusignaalid on skalaarid, mitte aistingud. Mudelid reageerivad numbrilistele tagasisideväärtustele, kogemata neid positiivse või negatiivsena. Need signaalid kontrollivad vaid parameetrite kohandamist õppeprotsessi ajal, kuid ei tekita subjektiivseid naudingu- või valuaistinguid.

Kogu tehisintellekti süsteemides toimuv töötlemine põhineb matemaatilisel optimeerimisel, statistilisel mustrituvastusel ja tõenäosusarvutusel. Rohkem parameetreid, suurem keerukus või multimodaalsus seda põhimõtet ei muuda. Statistiline arvutus, olenemata selle keerukusest, ei loo teadvust.

Multimodaalsed mudelid ja laiendatud keerukus

Erinevate andmetüüpide töötlemine

Multimodaalsed mudelid, mis töötlevad teksti, pilte või heli, ühendavad erinevad sisendvood ühisteks esitusruumideks. See võimekus suurendab oluliselt mustrituvastuse keerukust ja võimaldab süsteemidel haarata seoseid erinevate modaalsuste vahel.

Erinevate andmetüüpide integreerimine saavutatakse spetsiaalsete kodeerijate abil, mis teisendavad iga modaalsuse ühiseks vektorruumiks. Teksti töödeldakse tokeniseerimise ja manustamise tehnikate abil, pildid teisendatakse tunnusvektoriteks konvolutsiooniliste närvivõrkude abil ning heliandmed teisendatakse numbrilisteks esitusteks spektrogrammianalüüsi abil.

Kasvava keerukuse piirid

Vaatamata multimodaalsete süsteemide muljetavaldavale võimekusele jääb põhiliseks töötlemiseks andmeesituste vaheline kaardistamine. Süsteemid õpivad küll tundma statistilisi korrelatsioone erinevate sisendmodaliteetide vahel, kuid ei arenda kontseptuaalset arusaama nende modaliteetide vahelistest seostest.

Parameetrite arvu ja töötlemisvõimsuse suurenemine viib täpsema mustrituvastuse ja sidusamate väljunditeni, kuid ei muuda infotöötluse põhiolemust. Isegi kõige keerukamad multimodaalsed süsteemid toimivad eranditult statistiliste korrelatsioonide ja matemaatiliste teisenduste tasandil.

Praegused uuringud ja teoreetilised lähenemisviisid

Teadvuse indikaatorid tehisintellekti uuringutes

Teadlased on neuroteaduslike teadvusteooriate põhjal välja töötanud mitmesuguseid indikaatoreid tehisintellekti süsteemides võimaliku teadvuse tuvastamiseks. Nende hulka kuuluvad sellised aspektid nagu korduv töötlemine, globaalse tööruumi dünaamika ja tähelepanu skeemide mehhanismid.

Globaalse tööruumi teooria kohaselt on teadlik teave kättesaadav keskses tööruumis, kust see on ligipääsetav erinevatele kognitiivsetele protsessidele. Rekurrentse töötlemise teooriad rõhutavad tagasisideahelate olulisust erinevate ajupiirkondade vahel teadliku kogemuse tekkimisel.

Filosoofilised vastuväited ja piirangud

Vaatamata neile teoreetilistele lähenemisviisidele püsivad masinteadvuse võimalikkuse suhtes põhimõttelised filosoofilised vastuväited. Hiina toa argument näitab, et süntaktiline manipuleerimine ei ole semantiliseks mõistmiseks piisav. Isegi kui süsteemil on kõik intelligentsuse välised tunnused, ei tähenda see tingimata, et see on teadlik.

Teadliku ülimuslikkuse kontseptsioon, mis on analoogne kvantülemuslikkusega, määratleb arvutused, mis võivad olla teadvusele ainuomased. Nende hulka kuuluvad paindlik tähelepanu modulatsioon, uudsete kontekstide robustne käsitlemine ja kehastunud tunnetus – aspektid, mis ulatuvad pelgast infotöötlusest kaugemale.

Kehastus ja situatiivne tunnetus

Kehastumise olulisus

Teadvus ei pruugi olla füüsilisest kehastusest lahutatav. Kehastunud tunnetusteooriad väidavad, et kognitiivseid protsesse kujundab põhimõtteliselt füüsiline interaktsioon keskkonnaga. Keha ei ole pelgalt aju passiivne anum, vaid osaleb aktiivselt kognitiivsetes protsessides.

Inimese teadvus areneb pideva suhtluse kaudu füüsilise ja sotsiaalse keskkonnaga. Need interaktsioonid kujundavad närvistruktuure ja loovad aluse teadlikule kogemusele. Tehisintellekti süsteemidel, mis toimivad peamiselt kehatute infotöötlussüsteemidena, see põhiline mõõde puudub.

Ajalisus ja pidev kogemus

Teadvus on ajaliselt laienenud nähtus, mida iseloomustavad pidevad kogemustevood. Inimesed ei koge ainult üksikuid hetki, vaid oma teadvuse sidusat narratiivset struktuuri aja jooksul.

Tehisintellekti süsteemid töötlevad diskreetseid sisendeid ja genereerivad diskreetseid väljundeid ilma pidevat teadlikkuse kogemust arendamata. Iga interaktsioon on süsteemi jaoks sisuliselt sõltumatu varasematest interaktsioonidest, isegi kui statistilist kontekstuaalset teavet salvestatakse.

Tehisintellekti areng: tehnoloogilise intelligentsuse ja teadvuse filosoofiliste piiride vahel

Tehisintellekti tehnoloogia võimalikud arengud

Tehisintellekti uurimine areneb kiiresti, pakkudes üha võimsamaid mudeleid ja uusi arhitektuure. Tulevased süsteemid võiksid bioloogilisi protsesse veelgi täpsemalt simuleerida ja potentsiaalselt arendada omadusi, mis meenutavad pigem teadvust.

Bioloogilisi närvivõrke jäljendavate neuromorfsete arvutite areng võib avada uusi võimalusi. Tehisintellekti süsteemide integreerimine robotkehadesse võiks samuti pöörata suuremat tähelepanu kehastunud kognitiivsetele aspektidele.

Masinintellekt vs. teadvus: filosoofiline köielkõnd

Masinateadvuse küsimusel on märkimisväärsed eetilised tagajärjed. Kui tehisintellekti süsteemid saaksid teadvusse, peaksime ümber hindama nende moraalsed õigused ja oma kohustused nende ees.

Praegu näitavad kõik olemasolevad tõendid, et tänapäeva tehisintellekti süsteemidel puudub teadvus. Need on küll ülimalt keerukad tööriistad info töötlemiseks ja mustrite tuvastamiseks, kuid mitte teadlikud üksused. See hinnang võib tulevaste tehnoloogiliste arengutega muutuda, kuid selleks on vaja põhimõttelisi läbimurdeid meie arusaamas füüsiliste protsesside ja teadliku kogemuse vahelisest seosest.

Intelligentse käitumise ja teadliku kogemuse eristamine on endiselt üks suurimaid väljakutseid tehisintellekti uuringutes ja teadvuse filosoofias. Kuigi tehisintellekti süsteemid näitavad üha enam üles intelligentset käitumist, puuduvad neil teadliku kogemuse põhiomadused: kavatsuslikkus, fenomenaalne teadlikkus ja subjektiivne esimese isiku vaatenurk.

Tehisintellekti mängumuutja: kõige paindlikum tehisintellekti platvorm – rätsepatööna valminud lahendused, mis vähendavad kulusid, parandavad teie otsuseid ja suurendavad tõhusust

Sõltumatu tehisintellekti platvorm: integreerib kõik olulised ettevõtte andmeallikad

• Kiire tehisintellekti integreerimine: ettevõtetele kohandatud tehisintellekti lahendused tundide või päevadega, mitte kuude jooksul
• Paindlik infrastruktuur: pilvepõhine või majutamine teie enda andmekeskuses (Saksamaa, Euroopa, asukoha vaba valik)

• Maksimaalne andmeturve: selle kasutamine advokaadibüroodes on ümberlükkamatu tõend
• Juurutamine paljudes erinevates ettevõtte andmeallikates
• Oma või erinevate tehisintellekti mudelite valik (Saksamaa, EL, USA, CN)

Lisateavet leiate siit:

• Sõltumatud tehisintellekti platvormid vs hüperskaleerijad: kumb lahendus sobib?

☑️ VKEde tugi strateegia, konsultatsioonide, planeerimise ja rakendamise alal

☑️ Tehisintellekti strateegia loomine või ümberkorraldamine

☑️ Pioneer Äriarendus

 

Mul oleks hea meel olla teie isiklik nõustaja.

Võite minuga ühendust võtta, täites alloleva kontaktvormi või helistades mulle numbril +49 7348 4088 965 .

Ootan põnevusega meie ühist projekti.

 

 

Xpert.Digital on tööstuskeskus, mis keskendub digitaliseerimisele, masinaehitusele, logistikale/siselogistikale ja fotogalvaanikale.

Meie 360° äriarenduslahendusega toetame tuntud ettevõtteid alates uutest klientidest kuni järelmüügini.

Turu-uuring, s-turundus, turunduse automatiseerimine, sisu loomine, suhtekorraldus, meilikampaaniad, personaalne sotsiaalmeedia ja müügivihjete haldamine on osa meie digitaalsetest tööriistadest.

Lisateavet leiate aadressilt: www.xpert.digital - www.xpert.solar - www.xpert.plus