De gestage vooruitgang van AI: een kijkje onder de motorkap

FFrits 3 augustus 2023 02:28

De vooruitgang van kunstmatige intelligentie (AI) is in de afgelopen tien jaar in snel tempo doorgezet, met verbeteringen in het herkennen van beelden en spraak, en het slagen voor zakelijke schooltoetsen en Amazon-coderingsinterviewvragen. Dit artikel onderzoekt de drijfveren achter deze vooruitgang en waarom experts geloven dat de snelheid onverminderd zal blijven.

Snelle ontwikkeling van AI

In de afgelopen tien jaar hebben kunstmatige intelligentie (AI) systemen een snelle ontwikkeling doorgemaakt. Van het verslaan van een legendarische speler bij het complexe spel Go in 2016, zijn AI-systemen nu in staat om beelden en spraak beter te herkennen dan mensen. Ze zijn zelfs in staat om tests te doorstaan, waaronder zakelijke schoolexamens en Amazon-coderingsinterviewvragen. Deze vooruitgang heeft bij veel mensen een angstige reactie opgeroepen, zoals blijkt uit de woorden van senator Richard Blumenthal van Connecticut tijdens een hoorzitting van de Amerikaanse Senaatscommissie voor Justitie over de regulering van AI. Blumenthal beschreef hoe zijn kiezers recente AI-vooruitgang als 'angstaanjagend' omschreven.

De drijvende krachten achter AI-vooruitgang

Hoewel de vooruitgang in wetenschap en technologie vaak als fundamenteel onvoorspelbaar wordt beschouwd, is de vooruitgang van AI-systemen voorspelbaar gedreven door drie hoofdfactoren: rekenkracht, data en algoritmes. Veel van de vooruitgang in de afgelopen 70 jaar is het resultaat van onderzoekers die hun AI-systemen trainen met meer rekenkracht, vaak aangeduid als 'compute', het voeden van de systemen met meer data, of het bedenken van algoritmische hacks die effectief de hoeveelheid rekenkracht of data verminderen die nodig is om dezelfde resultaten te behalen. Deze drie factoren zijn cruciaal om te begrijpen waarom de meeste mensen die in AI werken niet verwachten dat de vooruitgang binnenkort zal vertragen.

Toenemende rekenkracht zorgt ervoor dat AI-systemen meer data kunnen verwerken, wat betekent dat het systeem meer voorbeelden heeft om van te leren. Meer rekenkracht stelt het systeem ook in staat om de relatie tussen de variabelen in de data gedetailleerder te modelleren, wat betekent dat het nauwkeurigere en meer genuanceerde conclusies kan trekken uit de voorbeelden die het krijgt. De voortdurende afname van de kosten van rekenkracht door de wet van Moore heeft geleid tot een focus op het ontwikkelen van grotere modellen in plaats van op het hoeveelheid gebruikte rekenkracht. Dit heeft uiteindelijk geleid tot het investeren in steeds duurdere hardware voor het trainen van grotere AI-modellen.

AI-systemen werken door modellen te bouwen van de relaties tussen variabelen in hun trainingsdata. In het algemeen betekent een groter aantal datapunten dat AI-systemen meer informatie hebben om een nauwkeurig model van de relatie tussen de variabelen in de data te bouwen, wat de prestaties verbetert. Bijvoorbeeld, een taalmodel dat meer tekst krijgt, zal meer voorbeelden hebben van zinnen waarin 'thuis' volgt op 'rennen' - in zinnen die honkbalwedstrijden of nadrukkelijk succes beschrijven, is deze volgorde van woorden waarschijnlijker.

Algoritmen en AI-vooruitgang

Algoritmen - sets van regels of instructies die een reeks van operaties definiëren die uitgevoerd moeten worden - bepalen hoe AI-systemen precies rekenkracht gebruiken om de relaties tussen variabelen in de data die ze krijgen te modelleren. AI-ontwikkelaars hebben niet alleen gewerkt aan het trainen van AI-systemen met meer data en toenemende rekenkracht, maar hebben ook manieren gevonden om meer uit minder te halen. Onderzoek van Epoch heeft uitgewezen dat elke negen maanden de introductie van betere algoritmen bijdraagt aan een verdubbeling van de rekenbudgetten.

Toekomstige AI-vooruitgang

Volgens Sevilla zal de hoeveelheid rekenkracht die AI-ontwikkelaars gebruiken om hun systemen te trainen waarschijnlijk blijven toenemen in het huidige versnelde tempo. Dit zal doorgaan tot het op een gegeven moment niet langer de moeite waard is om meer geld uit te geven, wanneer het verhogen van de hoeveelheid rekenkracht slechts een minimale verbetering van de prestaties oplevert. Na dat punt zal de hoeveelheid gebruikte rekenkracht blijven toenemen, maar in een langzamer tempo, enkel en alleen vanwege de afname van de kosten van rekenkracht als gevolg van de wet van Moore. Met andere woorden, de voortdurende trends op het gebied van rekenkracht, data en algoritmen zijn de reden waarom experts denken dat AI steeds bekwamer zal worden.

Potentiële risico's van AI-vooruitgang

Deze snelle vooruitgang heeft veel experts bezorgd gemaakt over de mogelijke gevolgen. Tijdens de hoorzitting van de Senaatscommissie waarschuwde Amodei dat, als de vooruitgang in hetzelfde tempo doorgaat, een breed scala aan mensen toegang zou kunnen krijgen tot wetenschappelijke kennis die zelfs de huidige experts niet hebben binnen de komende twee tot drie jaar door het gebruik van AI-systemen. Dit zou het aantal mensen dat grootschalige schade kan aanrichten kunnen verhogen. Hij gaf aan met name bezorgd te zijn dat AI-systemen op grote schaal misbruikt kunnen worden in domeinen zoals cybersecurity, nucleaire technologie, chemie en vooral biologie.

Meer artikelen

Lees ook

Hier zijn een aantal interessante artikelen op andere sites uit ons netwerk.