Mijający rok w świecie technologii należał do generatywnej AI i dużych modeli językowych, które zaczęły rozumieć język naturalny. Inne technologie z obszaru AI mogą znacząco upowszechnić się w 2024 r.
Kiedy powstanie AGI (ogólna sztuczna inteligencja) i kto ją stworzy? Czy w 2024 r. przestaniemy już odróżniać wygenerowany deepfake od filmu z prawdziwą osobą, a roboty od ludzi? Co będzie przełomem na miarę pojawienia się ChatGPT, który rozpali wyobraźnię milionów użytkowników?
Eksperci z IDEAS NCBR, ośrodka badawczo-rozwojowego działającego w obszarze sztucznej inteligencji zachowują naukowy dystans do tego rodzaju odważnych predykcji pojawiających się w przestrzeni publicznej. Wymieniają jednak cztery obszary AI, które w 2024 r. mogą przyciągnąć uwagę branży nowych technologii, mediów i inwestorów.
1. Efektywność i zapotrzebowanie na moc obliczeniową
Tomasz Trzciński, lider grupy badawczej “Uczenie maszynowe zero-waste w wizji komputerowej” w IDEAS NCBR, dyrektor ELLIS Unit Warsaw
U progu 2024 r. w krajobrazie sztucznej inteligencji (AI) widać znaczące zmiany, szczególnie w zakresie efektywności uczenia maszynowego i zapotrzebowania na obliczenia. Rosnąca popularność urządzeń wykorzystujących AI o niskich zasobach obliczeniowych, takich jak polski satelita Intuition, umieszczony 11 listopada 2023 roku na orbicie, wykorzystujący liczne rozwiązania AI, symbolizuje narastający trend pauperyzacji metod sztucznej inteligencji.
Urządzenia takie jak satelity czy roboty mobilne działają z ograniczonymi zasobami obliczeniowymi, co podkreśla pilną potrzebę opracowywania metod głębokiego uczenia działających w myśl zasady zero-waste i wysokiej efektywności energetycznej.
Według mnie osiągnęliśmy przełomowy punkt w skalowaniu zdolności rozumowania dużych modeli uczenia maszynowego (tzw. foundation models). Ciągłe zwiększanie ich możliwości poprzez użycie większych zbiorów danych już nie wystarcza, co skłania nas, naukowców, do zmiany kierunku badań. Niezwykła efektywność energetyczna ludzkiego mózgu w przetwarzaniu skomplikowanych, nowych problemów powinna zachęcać badaczy do tworzenia bardziej bioinspirowalnych modeli AI.
2. Robotyka i sztuczna inteligencja
Krzysztof Walas, lider zespołu badawczego “Robotyka interakcji fizycznej” w IDEAS NCBR
W roku 2024 spodziewam się jeszcze ściślejszej integracji zaawansowanych rozwiązań z zakresu sztucznej inteligencji i robotyki. Prowadzą do tego dwa niezależne trendy. Pojawienie się wydajnych systemów wbudowanych pozwala na uruchamianie wyuczonych modeli sieci neuronowych bezpośrednio na robotach.
Drugim podejściem jest podłączanie robotów do zasobów chmurowych. W tym przypadku pojawiają się duże wyzwania z zakresu cyberbezpieczeństwa, z którymi będziemy musieli się zmierzyć również w roku 2024.
Możliwe, że w niedalekiej przyszłości będziemy spotykali coraz więcej robotów w życiu codziennym. Znakiem tego, co może nadejść, są duże modele językowe implementowane na robotach, gdyż dzięki temu możliwe jest intuicyjne przekazywanie poleceń (w języku naturalnym) robotowi, który na przykład pomaga nam w domowych porządkach.
3. Rewolucja AI w edukacji
Piotr Sankowski, prezes IDEAS NCBR, lider grupy badawczej “Inteligentne algorytmy i struktury danych”
Postępy w rozwoju sztucznej inteligencji już znacząco wpływają na edukację i naukę, a w krótkim okresie całkowicie je zmienią. Już teraz ze względu na AI odchodzi się od prac domowych, a niedługo powstaną tutorzy AI, którzy wesprą nauczycieli w szkołach oraz nauczycieli akademickich.
Wydaje się, że na szerokie zastosowania AI w edukacji i nauce chce postawić OpenAI, bo GPT-5 ma być takim tutorem. AI nie zastąpi człowieka, ale ci badacze, którzy będą się mądrze nią posługiwać, wygrają. W tym kontekście nie powinno dziwić, że najbardziej zaawansowane badania biologiczne prowadzi Alphabet, czyli właściciel Google, np. badania nad mapą mózgu czy modelami komórki.
W tym momencie widać już ogromną zmianę, dzięki której sztuczna inteligencja staje się nauką w pełni interdyscyplinarną. Jeżeli nie zbudujemy silnego ośrodka badawczego w tej dziedzinie w Polsce i nie wyprzedzimy tych światowych trendów, to także w innych dziedzinach badaczom w naszym kraju będzie coraz trudniej nadążyć za światem.
4. Modele językowe w medycynie
Piotr Miłoś, lider zespołu badawczego “Sekwencyjne podejmowanie decyzji” w IDEAS NCBR
W naszym zespole badawczym zajmujemy się zwiększeniem możliwości modeli językowych, tak by mogły przetwarzać długie konteksty. Jest to popularny kierunek badań na świecie i przewiduję, że trend ten utrzyma się w przyszłym roku. Modele zdolne pracować z coraz dłuższym kontekstem mogą sensownie analizować coraz dłuższe dokumenty. Podobnie będą rozwijać się modele multimodalne, gdzie długość kontekstu rozumiana będzie jako dodanie informacji dodatkowo z obrazów lub dźwięków.
Ogólnym trendem będzie próba zastosowania coraz większych modeli w różnych dziedzinach “poza AI”. Dla przykładu, jednym z bardziej atrakcyjnych rozwiązań wydaje się analizowanie danych medycznych (czy to bezpośrednio z diagnostyki pacjentów, czy też danych naukowych). Już teraz trwa wyścig zbrojeń dążący do tworzenia coraz bardziej zaawansowanych modeli w tym zakresie. Wkrótce pacjenci, zamiast zgłaszać się do lekarzy z diagnozą od “doktora Google”, będą przychodzić z diagnozą od “doktora AI”. Rodzi to oczywiście wiele dylematów i wyzwań, ale też wiele możliwości.
