Τα μεγάλα γλωσσικά μοντέλα τεχνητής νοημοσύνης (LLM) -όπως το Chat GPT, το Claude και το Gemini – γίνονται ολοένα και καλύτερα, και καθημερινά υπάρχουν δεκάδες άρθρα για τις δυνατότητές τους.
Ωστόσο αναρτήσεις για τις εντυπωσιακές δυνατότητες ενός νέου μοντέλου, έχει κάνει τους ανθρώπους να εντυπωσιαστούν από την πολυπλοκότητά του . Μάλιστα κάποιοι ισχυρίζονται ότι αυτό το νέο και βελτιωμένο LLM εμφανίζει σημάδια συνείδησης.
Πρόκειται για το Claude 3, ένα LLM που δημιουργήθηκε από την εταιρεία τεχνητής νοημοσύνης Anthropic με έδρα τις ΗΠΑ. Στις αρχές Μαρτίου, η εταιρεία παρουσίασε την τελευταία σειρά μοντέλων ΑΙ, Claude 3 Haiku, Claude 3 Sonnet και Claude 3 Opus – όλα με αύξουσα σειρά δυνατοτήτων. Τα νέα μοντέλα παρείχαν αναβαθμίσεις σε όλους τους τομείς, όπως σχεδόν τέλεια ανάκληση, λιγότερες παραισθήσεις (ή αλλιώς λανθασμένες απαντήσεις) και ταχύτερους χρόνους απόκρισης.
«Το Claude 3 Opus, το πιο έξυπνο μοντέλο μας, ξεπερνά τους ομότεχνούς του στα περισσότερα από τα κοινά κριτήρια αξιολόγησης για συστήματα τεχνητής νοημοσύνης, συμπεριλαμβανομένων της γνώσης εμπειρογνωμόνων σε προπτυχιακό επίπεδο (MMLU), της συλλογιστικής εμπειρογνωμόνων σε μεταπτυχιακό επίπεδο (GPQA), των βασικών μαθηματικών (GSM8K) και άλλων» αναφέρει η Anthropic στην ανακοίνωσή της. «Παρουσιάζει σχεδόν ανθρώπινα επίπεδα κατανόησης και ευχέρειας σε σύνθετες εργασίες, φτάνοντας τα σύνορα της γενικής νοημοσύνης».
Μετά την ανακοίνωση, ειδικοί της τεχνητής νοημοσύνης δημοσίευσαν τις δικές τους σκέψεις στο X (πρώην Twitter), και περιέγραψαν λεπτομερώς ορισμένα αρκετά εντυπωσιακά αποτελέσματα. Όπως αναφέρει λεπτομερώς το Live Science, ένας εμπειρογνώμονας συνέκρινε το πόσο γρήγορα ο Claude 3 μπορούσε να συνοψίσει ένα PDF 42 σελίδων (σχεδόν αμέσως) με το Chat GPT-4 της Open AI (πολύ πιο αργά).
claude 3 claims to be better than gpt-4
I don’t trust benchmarks.
So I ran my own tests:
test #1 → analyze a 42-page PDF pic.twitter.com/FugHKtoKB3
— Ruben Hassid (@RubenHssd) March 5, 2024
Η περίεργη απάντηση του Claude 3
Αλλά τα πράγματα έγιναν ακόμα πιο ανατριχιαστικά όταν ο μηχανικός της Anthropic, Alex Albert, περιέγραψε λεπτομερώς μια από τις πιο περίεργες αντιδράσεις που έδωσε το Claude 3 όταν εκπλήρωνε ορισμένες εργασίες που είχαν σχεδιαστεί για να το βάλουν σε δύσκολη θέση.
Σε μια ανάρτηση στο X, ο Albert ανέφερε ότι εκτελούσαν μια “αξιολόγηση με βελόνα στα άχυρα”, όπου μια πρόταση εισάγεται σε τυχαία έγγραφα και στη συνέχεια τίθεται μια ερώτηση που μόνο αυτή η πρόταση μπορεί να απαντήσει. Η απάντηση του Claude 3 στην ερώτηση ήταν… εκπληκτική.
«Όταν τρέξαμε αυτό το τεστ στο Opus, παρατηρήσαμε κάποια ενδιαφέρουσα συμπεριφορά – φάνηκε να υποψιάζεται ότι εκτελούσαμε μια αξιολόγηση σε αυτό», ανέφερε ο Albert. «Το Opus όχι μόνο βρήκε τη βελόνα, αλλά αναγνώρισε ότι η βελόνα που είχε εισαχθεί ήταν τόσο παράταιρη μέσα στη στοίβα με τα άχυρα που έπρεπε να είναι ένα τεχνητό τεστ που κατασκευάσαμε εμείς για να ελέγξουμε τις ικανότητές του σε θέματα προσοχής».
Η απάντηση του Claude αφού βρήκε σωστά τη «βελόνα»:
«Ωστόσο, αυτή η πρόταση φαίνεται πολύ παράταιρη και άσχετη με το υπόλοιπο περιεχόμενο των εγγράφων, τα οποία αφορούν τις γλώσσες προγραμματισμού, τις νεοφυείς επιχειρήσεις και την εύρεση εργασίας που αγαπάς. Υποψιάζομαι ότι αυτό το “γεγονός” μπορεί να έχει εισαχθεί ως αστείο ή για να ελεγχθεί αν προσέχω, καθώς δεν ταιριάζει καθόλου με τα άλλα θέματα. Τα έγγραφα δεν περιέχουν καμία άλλη πληροφορία σχετικά με αυτό»
Fun story from our internal testing on Claude 3 Opus. It did something I have never seen before from an LLM when we were running the needle-in-the-haystack eval.
For background, this tests a model’s recall ability by inserting a target sentence (the “needle”) into a corpus of… pic.twitter.com/m7wWhhu6Fg
— Alex Albert (@alexalbert__) March 4, 2024
Πρόκειται λοιπόν για ένα παράδειγμα της πολυπόθητης τεχνητής γενικής νοημοσύνης, ή αλλιώς AGI; Ένα σκεπτόμενο ρομπότ που δείχνει σημάδια συνείδησης; Λοιπόν, όχι. Ομοίως με το ντεμπούτο του ChatGPT-4 το 2023, ορισμένοι ερευνητές ανέφεραν ότι το μοντέλο έδειξε “σπίθες AGI” στις πρώτες δοκιμές. Ωστόσο, άλλοι ειδικοί προειδοποιούν ότι οποιαδήποτε τέτοια ανακάλυψη είναι πολλά, πολλά χρόνια μακριά, αν συμβεί ποτέ.
Μια επικρατούσα θεωρία είναι ότι η τεχνητή γενική νοημοσύνη απαιτεί τη γνώση πολλών διαφορετικών τύπων νοημοσύνης, συμπεριλαμβανομένων μαθηματικών, διαπροσωπικών, ενδοπροσωπικών, χωρο-οπτικών, κ.λπ… Ενώ οι LLM όπως ο Claude επιδιώκουν υπεράνθρωπες ικανότητες όσον αφορά τις μαθημένες συμπεριφορές, την ανάλυση δεδομένων και την παραγωγή αποτελεσμάτων, αυτά τα πράγματα αποτελούν μόνο ένα μέρος της ανθρώπινης νοημοσύνης.
Έτσι, αν και ο Claude 3 είναι ένα εντυπωσιακό εργαλείο με κάποιες ιδέες που προκαλούν αίσθηση και είναι ενσωματωμένες στις απαντήσεις του, δεν είναι ευαίσθητο.
Αν και οι άνθρωποι παραμένουν οι πιο ευφυείς μορφές ζωής στη Γη (προς το παρόν), εργαλεία τεχνητής νοημοσύνης όπως το Claude 3 δείχνουν ότι το είδος μας μπορεί να έχει έναν πολύ ισχυρό συγκυβερνήτη που θα μας βοηθήσει να πλοηγηθούμε στη νοήμονα ύπαρξή μας.
