Google DeepMind to nie tylko kolejne laboratorium. Jest efektem fuzji Google Brain, wewnętrznego działu Google zajmującego się sztuczną inteligencją, oraz DeepMind, brytyjskiego startupu, który zasłynął z pokonywania najlepszych graczy Go na świecie. Firma jest obecnie spółką zależną Alphabet, spółki-matki zarządzającej różnymi projektami Google. Misja jest ambitna. Celem jest stworzenie sztucznej inteligencji ogólnej (AGI). Oznacza to rozwój systemów, które będą w stanie uczyć się i wykorzystywać wiedzę w szerokim zakresie zadań, a nie wykonywać tylko jedną wąską funkcję.
Siedziba organizacji mieści się w Londynie, a jej działalność ma zasięg międzynarodowy. Ona nie działa w próżni. Jej technologie są bezpośrednio zintegrowane z ekosystemem Google. Wpływ rozciąga się wszędzie, od wyszukiwarek po przetwarzanie w chmurze.
Zaangażowanie w AGI
Dlaczego skupiono się na AGI? Ponieważ wysoce wyspecjalizowana sztuczna inteligencja ma ograniczenia. Model, który jedynie poleca filmy lub filtruje spam, jest przydatny, ale nie ma sensu. Ona się nie dostosowuje. DeepMind chce to zmienić. Celem firmy jest stworzenie sztucznej inteligencji, która będzie w stanie rozwiązywać problemy, dla których nie została specjalnie zaprogramowana. Wymaga to zasadniczej zmiany w sposobie uczenia się maszyn. Zamiast polegać na ogromnych zbiorach danych w celu uzyskania konkretnych wyników, takie systemy będą wymagały elastyczności. Muszą uogólniać wiedzę.
To nie jest tylko teoria. Badacze DeepMind już dostrzegają przebłyski tego potencjału. Na przykład projekt AlphaFold rozwiązał wielkie wyzwanie biologiczne sprzed 50 lat, przewidując struktury białek z niewiarygodną dokładnością. To nie tylko narzędzie. Jest to krok naprzód w zrozumieniu złożonych systemów. To pokazuje, co się dzieje, gdy sztuczna inteligencja wykracza poza dopasowywanie wzorców i skupia się na rozwiązywaniu rzeczywistych problemów.
Z Londynu na scenę światową
Siedziba główna w Londynie pełni funkcję centrum, ale talenty są rozproszone po całym świecie. Naukowcy z całego świata biorą udział w projektach obejmujących wiele dyscyplin. Fizyka. Biologia. Informatyka. Granice między nimi zacierają się. To interdyscyplinarne podejście jest konieczne. Prawdziwych problemów nie można uporządkować w schludne kategorie. System zaprojektowany w celu optymalizacji sieci energetycznych może również poprawić płynność ruchu. Model przeszkolony pod kątem odkrywania leków może pomóc w materiałoznawstwie.
Integracja z produktami Google to zarówno zasób, jak i odpowiedzialność. Dostęp do ogromnych ilości danych i mocy obliczeniowej przyspiesza badania. Ale to również rodzi pytania. Jak zapewnić bezpieczeństwo takim systemom? Jak zapobiegać stronniczości? Jak zachować przejrzystość? To nie są drobne problemy. Odgrywają kluczową rolę w procesie rozwoju.
Kompromisy
Budowa AGI nie jest tania. Wymagania obliczeniowe są oszałamiające. Trening dużych modeli pochłania ogromne ilości energii i zasobów. Jest jeszcze kwestia kontroli. W miarę jak systemy stają się coraz bardziej autonomiczne, wzrasta ryzyko wystąpienia niezamierzonych konsekwencji. DeepMind przyznaje to. Firma aktywnie inwestuje w badania nad bezpieczeństwem. Pracuje nad kwestiami wyrównania. Chodzi o to, aby działania AI były spójne z wartościami ludzkimi.
Ale wyrównanie jest trudnym zadaniem. Wartości ludzkie są złożone i często sprzeczne. Dokładne określenie ich dla samochodu jest wyzwaniem. Wymaga to udziału etyków, decydentów i społeczeństwa. To nie tylko problem techniczny. Jest to problem całego społeczeństwa.
Dlaczego to ma teraz znaczenie
Wyścig o AGI nabiera tempa. Pojawiają się konkurenci. Konsekwencje mogą być głębokie. Jeśli się powiedzie, może zrewolucjonizować przemysł. Może to pomóc w leczeniu chorób. Może to zoptymalizować systemy globalne. Może to jednak również zakłócić rynki pracy. Może to prowadzić do koncentracji władzy. Stawka jest wysoka.
Praca DeepMind służy jako przypadek testowy. Pokazuje, co jest możliwe. Ona
