Süni intellekt üçün maraqlı bir dövrdür. Uzun müddət süni intellekt sahəsində irəliləyiş sadə bir qaydaya əsaslanırdı: modelləri böyütmək. Daha çox parametr, daha çox məlumat, daha çox hesablama gücü. Bu yanaşma işə yarayırdı, amma ciddi problemlər də yaradırdı. Böyük modellərin öyrədilməsi baha başa gəlir, çox vaxt aparır və böyük miqdarda enerji tələb edir.
Bu yaxınlarda Nvidia Mixture of Experts, yəni MOE adlanan fərqli bir ideya təqdim etdi. Model hər tapşırıq üçün bütün neyron şəbəkəni aktivləşdirmək əvəzinə, sistemin həqiqətən lazım olan hissələrini seçməyi öyrənir. Hər hissə müəyyən bir sahənin eksperti kimi işləyir. Hər bir sual üçün yalnız ən uyğun ekspertlərdən istifadə olunur.
Bu, sistemi daha səmərəli və çevik edir. Yanaşma insanların işləmə tərzinə bənzəyir. Hər problem üçün tanıdığınız hər kəsdən kömək istəmirsiniz. Həmin vəziyyətə ən uyğun olanlara müraciət edirsiniz. MOE sayəsində süni intellekt sistemləri lazımsız yerə ağırlaşmadan daha ağıllı ola bilər.
Bir çox tədqiqatçı hesab edir ki, bu istiqamət uzunmüddətli hədəf olan ümumi süni intellektə, yəni AGI-yə çatmaq üçün vacibdir. Müxtəlif növ problemləri həll edə bilən sistem üçün təkcə böyük ölçü kifayət deyil. O, qərar verməyi bacarmalıdır. Hansı imkanlardan nə vaxt istifadə edəcəyini bilməlidir.
Bu ideya yalnız tədqiqat məqalələri ilə məhdudlaşmır.
Əslində, Dvina-da biz də oxşar yanaşma ilə işləyirik. Əvvəldən belə bir qənaətə əsaslanırdıq ki, heç bir dil modeli və ya alət təkbaşına hər işdə yaxşı ola bilməz. Bir modelə güvənmək əvəzinə, bir neçə modelin, alətin və məlumat mənbəyinin üzərində işləyən orkestrasiya qatı qurduq.
Bu orkestrasiya qatı qərarvermə funksiyasını yerinə yetirir. İstifadəçi sual verəndə hansı modeldən və ya resursdan istifadə edilməli olduğunu müəyyənləşdirir. Bəzən yalnız birindən istifadə edir. Bəzən isə bir neçəsini birlikdə işlədir və nəticələri birləşdirir. Məqsəd mürəkkəbliyi göstərmək deyil, onu sadə istifadə təcrübəsinin arxasında gizlətməkdir.
Nəticədə istifadəçiyə uyğunlaşan bir sistem təsiri yaranır. Siz sual verirsiniz, sistem isə ona ən səmərəli şəkildə necə cavab verəcəyini müəyyənləşdirir. Bu, mahiyyətcə MOE-nin model səviyyəsində təklif etdiyi yanaşmaya çox yaxındır, amma sistem səviyyəsində tətbiq olunur.
AGI hələ mövcud deyil. Amma MOE kimi ideyalar göstərir ki, irəliyə gedən yol təkcə miqyasdan asılı deyil. Burada struktur, koordinasiya və resurslardan daha ağıllı istifadə də önəmlidir.
If you are curious what this kind of approach feels like in practice, you can try Dvina for free at https://dvina.ai. It is not AGI, but it gives a small glimpse into how future AI systems may think and operate.
