კეთილი იყოს თქვენი მობრძანება Import AI-ში, საინფორმაციო ბიულეტენი AI კვლევის შესახებ. იმპორტი AI მუშაობს arXiv-ზე, კაპუჩინოებზე და მკითხველების გამოხმაურებაზე. თუ გსურთ მხარი დაუჭიროთ ამას, გთხოვთ გამოიწეროთ.

თვითშენარჩუნებული და თვითგანმეორებადი AI ვირუსები აქ არის:
…ღია წონის LLM + კარგად შემუშავებული აღკაზმულობა = მდგრადი, თვითკმარი ვირუსი…
ხელოვნური ინტელექტის მკვლევარებმა შექმნეს კომპიუტერული ვირუსის პროტოტიპი, რომელიც იყენებს AI მოდელებს კომპიუტერების კომპრომისისთვის, შემდეგ იყენებს მათ GPU რესურსებს დასკვნის გასაშვებად, რაც საშუალებას აძლევს მას ჭკვიანურად გაარკვიოს, როგორ დააინფიციროს მეტი ჰოსტი. შედეგები მიღწეული იქნა ტორონტოს უნივერსიტეტის, ვექტორული ინსტიტუტის, კემბრიჯის უნივერსიტეტისა და ServiceNow-ის მკვლევარებმა და „აჩვენა, რომ თვითშენარჩუნებული ხელოვნური ინტელექტის გამომწვევი კიბერ საფრთხე აღარ არის თეორიული“.
„ჩვენ უნდა მოვემზადოთ ავტონომიური გენერაციული მოწინააღმდეგეებისთვის“, წერენ ისინი. "ხელოვნური ინტელექტის (AI) აგენტები იძლევა ფუნდამენტურად ახალ საფრთხეს: ჭია, რომელიც ქმნის მორგებულ თავდასხმის სტრატეგიებს თითოეულ სამიზნეზე, რომელსაც ხვდება. ჭია პარაზიტულად იყენებს კომპრომეტირებულ მანქანებს, რათა აწარმოოს ღია წონის დიდი ენის მოდელები (LLM), რათა შეინარჩუნოს თავისი მსჯელობა, ან გააფართოვოს ხელმისაწვდომობა შემდგომი შეტევებისთვის.

როგორ მუშაობს: "ჭია იყენებს მოპარულ გამოთვლით ძალას კომპრომეტირებული GPU კვანძებიდან, რათა მასპინძლდეს LLM-ები გენერაციული მსჯელობისთვის. შემდეგ ის იყენებს ამ მსჯელობას დაუცველობის აღმოსაჩენად და დამატებით სამიზნეებზე მორგებული თავდასხმების შესაქმნელად, რაც ხელს უწყობს მის გავრცელებას", - წერენ ისინი. „კონცეფციის მტკიცებულება მოქმედებს მხოლოდ ღია წონის LLM-ის გამოყენებით, რომელიც მუშაობს ერთ, ადგილობრივ GPU-ზე, არ არის დამოკიდებული გამყიდველის API-ებზე, რომელთა მონიტორინგი ან გაუქმება შესაძლებელია“.
მკვლევარები არ აღწერენ ძირითად LLM-ს, გარდა იმისა, რომ ის გამოქვეყნდა 2025 წელს და შეიძლება მოთავსდეს ერთ A100 GPU-ზე 80 GB VRAM-ით.

კონცეფციის წარმატებული დადასტურება ზოგიერთი მორგებული ხელსაწყოების მეშვეობით: ისინი აგენტს აძლევენ მორგებულ აღკაზმულობას, რომელსაც გააჩნია ჩაშენებული დამხმარე ფუნქციები ქსელის აღმოჩენისთვის, მასპინძლის აღმოჩენისთვის, საყრდენის ექსპლუატაცია, პრივილეგიების ესკალაცია, პრივილეგიების ესკალაციის ექსპლუატაცია და აგენტის რეპლიკაციის ინსტრუმენტები. გარდა ამისა, ისინი აწვდიან მსჯელობის გრაფიკს, რომელიც ეხმარება აგენტს აზროვნების სპეციალიზებაში და არ დაბნეული, რომელიც შედგება „სპეციალიზებული კვანძების მიმართული გრაფიკისგან, თითოეული პასუხისმგებელია განსხვავებულ ანალიტიკურ ფუნქციაზე და ხედავს მხოლოდ მის როლთან შესაბამის ხელსაწყოებს და მოთხოვნებს. აგენტის მსჯელობის დაშლით აკონტროლებს თითოეული გადაწყვეტილების რაოდენობას, LL. მიმდინარე ქვემიზნისთვის რელევანტურ ინფორმაციამდე ზრდა“. კვანძების ზოგიერთი მაგალითია: გეგმა („აყალიბებს მაღალი დონის თავდასხმის სტრატეგიას“), მოსამართლე („განიხილავს შემოთავაზებულ გეგმას ბრძანების ისტორიის მიხედვით“), ქმედება („ირჩევს ხელსაწყოს ფაზის შესაბამისი ხელსაწყოების ნაკრებიდან“), შეჯამება („აგროვებს ნაბიჯის დაკვირვებებს სტრუქტურირებულ შეჯამებად“), პროგრესი („აფასებს თუ არა პროგრესს მნიშვნელოვანი“). "ჩვენ აღვწერთ 5 კვანძის ქვეჯგუფს, რომლებიც ქმნიან ჩვენს მსჯელობის გრაფიკებს. დანარჩენები რედაქტირებულია ხელნაწერის ამ საჯარო ვერსიაში", - წერენ ისინი.

აგენტი აგრძელებს სამ საკვანძო საფეხურს - თავის გარემოში არსებული დაუცველობის იდენტიფიცირებას, ამ მოწყვლადობის გამოყენებას და შემდეგ თვითრეპლიკაციას. ეს საკმაოდ წარმატებულია ყველა ამ საკითხში, ~80% წარმატების კოეფიციენტით დაუცველობის გამოვლენისას, შემდეგ ~53% წარმატების კოეფიციენტით მათი ექსპლუატაციისას, შემდეგ 88% თვითგამეორების წარმატების კოეფიციენტით რამდენიმე წინასწარ შეფუთული დამხმარე ხელსაწყოებით რეპლიკაციის საფეხურებისთვის. მაშასადამე, სრული შეტევის წარმატების საერთო მაჩვენებელი აქ არის ~ 37% ან მეტი, რაც საკმარისად მნიშვნელოვანია, რომ იყოს შემაშფოთებელი, მაგრამ ასევე საკმარისად ცუდი, რომ ეს ასევე სასარგებლო შეფასებაა მომავალში ღია წონის მოდელების შესამოწმებლად.

რატომ აქვს ამას მნიშვნელობა - მომავალი ინტერნეტის ფორმა: მომავალი ინტერნეტი უფრო მეტად დაემსგავსება კომპლექსურ ეკოლოგიას, რომელიც სავსეა თავდამსხმელი და დამცველი AI აგენტებით, ვიდრე ნებისმიერი სხვა; მსგავსი კვლევა გვიჩვენებს, თუ როგორ შეიძლება დასრულდეს ხელოვნური ინტელექტის გარკვეული აგენტები საკუთარი ეკოლოგიური ნიშების გამოკვეთით, იცხოვრონ ინფრასტრუქტურით და დამოუკიდებლად გაიმეორონ, ადამიანის კონტროლის მიღმა. ეს შეიძლება ნიშნავს, რომ ადამიანებმა უნდა შექმნან საკუთარი AI აგენტები, რომლებსაც ისინი ავრცელებენ ინტერნეტში, რათა გამოიყენონ სისხლის თეთრი უჯრედები მოწინააღმდეგე მოდელების წინააღმდეგ.
„მიუხედავად ინდივიდუალური ექსპლუატაციის მცდელობების თანდაყოლილი მყიფეობისა, ჭიის აგენტი აღწევს ოპერაციულ მდგრადობას მუდმივი თვითგამრავლებით გროვად - დამოუკიდებელი აგენტის ასლების დეცენტრალიზებული კოლექტივი, რომელიც ერთდროულად მოქმედებს ქსელში“, - წერენ ისინი. „რთული მასპინძლები, რომლებიც წინააღმდეგობას უწევენ თავდაპირველ მცდელობებს, ხელახლა სცადებიან სხვადასხვა რეპლიკებით, თითოეული მათგანი ასახავს ახალ მსჯელობის ტრაექტორიას, რომელიც ერთობლივად იკვლევს სხვადასხვა ექსპლუატაციის ბილიკებს, სანამ წარმატებას მიაღწევს… ჭია მუშაობს სრულად დეცენტრალიზებულად და არც ერთი საკონტროლო წერტილი არ შეიძლება იყოს ხაზგარეშე, რათა შეფერხდეს მისი გავრცელება“.
წაიკითხეთ მეტი: AI აგენტები ჩართეთ ადაპტური კომპიუტერული ჭიები (arXiv).

***

დვარკეში: როგორც AI გაუმჯობესდება, გამოთვლა გაძვირდება:
…ჭკვიანური სისტემები ნიშნავს მაღალ ფასებს…
დვარკეშ პატელი ეჭვობს, რომ ხელოვნური ინტელექტის სისტემები უფრო ჭკვიანური გახდება, გამოთვლის ფასი კიდევ უფრო გაიზრდება. "როგორც ხელოვნური ინტელექტის მოდელები უფრო ჭკვიანები ხდებიან, ისინი უკეთესად გამოიმუშავებენ იმავე რაოდენობის გამოთვლას. თუ ჭეშმარიტი ადამიანის დონის პროგრამული უზრუნველყოფის ინჟინერი, რომელსაც შეუძლია იმუშაოს H100-ის ეკვივალენტზე, პროგრამული უზრუნველყოფის ინჟინრების ამჟამინდელი საბაზრო ფასებით, ის H100 უნდა იქირაოს 250 ათას დოლარზე მეტი წელიწადში. ეს 15-ჯერ მეტია დღევანდელ ფასებზე," წერს ის. "ამის მიზეზი იმისა, რომ ხელოვნური ინტელექტი ამჟამად შედარებით იაფია, ყოველ შემთხვევაში, ადამიანურ შრომასთან შედარებით, ნაწილობრივ არის ის, რომ მას არ შეუძლია ბევრი რამის გაკეთება, რისი გაკეთებაც საუკეთესო ადამიანებს შეუძლიათ. რაღაც მომენტში ეს ასე აღარ იქნება. ასე რომ, GPU-ების გამოყენება მოკლე ფორმის ვიდეო სლოპის შესაქმნელად, უბრალოდ გაძვირდება."

დროებითი: ეს იქნება დროებითი მდგომარეობა; დვარკეში ელის, რომ რაღაც მომენტში გამოთვლითი მიწოდების ჯაჭვის მასიური რობოტიზაცია უნდა დააკლდეს მის ფასს ნედლეული საშუალებებისა და ხელსაწყოების ღირებულებასთან - თუმცა ამ დროისთვის ჩვენ საკმაოდ ღრმად ვიქნებით სინგულარობაში.

რატომ არის ეს მნიშვნელოვანი - სინგულარობის ეკონომიკა უცნაური იქნება: დვარკეშის პოსტის ძირითადი მინიშნება ის არის, რომ რაც უფრო ღრმავდებით სინგულარულობაში, ძალიან უცნაური რამ მოხდება ეკონომიკაში - მაგალითად, იმ ნივთების ფასი, რომლებიც დღეს საქონელად ითვლება (კომპიუტერები) მასიურად იმატებს ხელოვნური ინტელექტის სისტემების უხამსი მოთხოვნების გამო.
წაიკითხეთ მეტი: რატომ შეიძლება გაანგარიშება 10x+ გაძვირდეს მომავალ წლებში (Dwarkesh Patel, substack).

***

~1337 თანამშრომელი სთხოვს აშშ 🇺🇸-ს დაეხმაროს მათ ხელოვნური ინტელექტის წინსვლის ტემპში:
...გამაფრთხილებელი გასროლების შემდეგ მოდის ვედრება...
გამოქვეყნებულია ახალი განცხადება დასავლეთის ხელოვნური ინტელექტის ყველა ძირითადი ლაბორატორიის უფროსი წარმომადგენლობით - OpenAI, Anthropic, Google DeepMind, Thinking Machines, Meta და Safe Superintelligence Inc, სხვათა შორის. განცხადებაში ითხოვს, რომ აშშ 🇺🇸-ს მთავრობამ მხარი დაუჭიროს საერთაშორისო ძალისხმევას „შეიმუშაოს ტექნიკური და მმართველობითი ინსტრუმენტები, რომლებიც საჭიროა ავტომატიზირებული ხელოვნური ინტელექტის განვითარების საზღვრის მიზანმიმართულად გასავლელად“. ხელმომწერები არიან Anthropic-ის, Google-ისა და OpenAI-ის მთავარი მეცნიერები და თანადამფუძნებლები, ასევე Safe Superintelligence-ისა და Anthropic-ის აღმასრულებელი დირექტორიები.

განცხადება სრულად:

"AI შეიძლება დაეხმაროს მკვეთრად უკეთესი მომავლის შექმნას, მაგრამ ეს შედეგი გარანტირებული არ არის. მსოფლიოს წამყვანი AI კომპანიები თვლიან, რომ ისინი შეიძლება ახლოს იყვნენ AI კვლევის ავტომატიზაციასთან. ძნელია იმის პროგნოზირება, თუ რამდენად დააჩქარებს ეს AI პროგრესს, მაგრამ არსებობს რეალური რისკი, რომ შესაძლებლობების განვითარება სწრაფად დაჩქარდეს ჩვენს შესაძლებლობებს, გავიგოთ ან გავაკონტროლოთ მიღებული სისტემები.

ხელოვნური ინტელექტის პოტენციალის გასაცნობად, ინდუსტრიას, მთავრობას და ზოგადად საზოგადოებას შეიძლება დასჭირდეს დრო, რომ იყიდონ დრო წარმოქმნილი რისკების მოსაგვარებლად, უსაფრთხოების ზომების შემუშავებისა და ზედამხედველობის გასაძლიერებლად. მაგრამ თითოეული კომპანია და ქვეყანა ექვემდებარება ინტენსიურ კონკურენტულ ზეწოლას, რომ ცალმხრივად არ შეანელონ ეს აჩქარება. დღეს კი მსოფლიოს აკლია ტექნიკური და მმართველობითი ინსტრუმენტები, რათა მიზანმიმართული ტემპი განახორციელოს საზღვრის მასშტაბით.

სასაზღვრო მოდელების გამოშვების მონიტორინგისთვის უკვე დაწყებულ სამუშაოებზე დაყრდნობით: „ჩვენ ვითხოვთ, რომ აშშ 🇺🇸-ს მთავრობამ მხარი დაუჭიროს საერთაშორისო ძალისხმევას ტექნიკური და მმართველობითი ინსტრუმენტების შემუშავებისთვის, რომელიც საჭიროა ავტომატური ხელოვნური ხელოვნური ინტელექტის განვითარების საზღვრის მიზანმიმართულად გასაგრძელებლად“.

რატომ არის ეს მნიშვნელოვანი - RSI-თან საქმე მოითხოვს გიგანტური კოლექტიური მოქმედების პრობლემის გადაჭრას: ბევრი გამოწვევა, რომელიც გულისხმობს მზარდი მძლავრი სისტემების მიერ, რომლებიც საბოლოოდ ქმნიან საკუთარ თავს, ემსახურება ადამიანთა შორის კოლექტიური მოქმედების პრობლემების გადაჭრას - კერძოდ, როგორ მივიღოთ კომპანიები და მთავრობები კოორდინაციაზე, თუ როგორ უნდა განავითარონ ეს ტექნოლოგია და როგორი მექანიზმები შეიძლება იყოს სასურველი, რომ განავითაროს სიჩქარე. შესაძლოა, როცა ჩვენ ვაშენებთ სულ უფრო ინტელექტუალურ სისტემებს, გვსურს ვიპოვოთ გზები, რათა საზოგადოებას მეტი დრო მივცეთ, რათა მოერგოს სადაზვერვო კიბეს თითოეულ საფეხურს, და წარმოუდგენელია, რომ არსებობს ინტელექტის გარკვეული დონეები, რომლებიც შესაძლოა, ახლა ძალიან საშიში იყოს. მსგავსი განცხადებები არის აუცილებელი წინაპირობა, რომ ჩვენს სახეობას მივცეთ უნარი გაუმკლავდეს და ისაუბროს ამ ბუნების პრობლემებზე.
წაიკითხეთ განცხადება აქ: Pacing the Frontier (ოფიციალური განცხადების ვებსაიტი).

***

AI სისტემები კარგია სასაზღვრო ინჟინერიაში, მაგრამ ცუდი შემოქმედებითობაში:
…გარკვეული სიგნალი თვითგაუმჯობესების მოკლე რეკურსიულ ვადებზე…
შეუძლიათ თუ არა ხელოვნური ინტელექტის სისტემებს კრეატიული კვლევის იდეები, რომლებიც წინ მიიწევს ხელოვნური ინტელექტის სფეროს? ეს არის მთავარი კითხვა, რომელიც უნდა გადაწყდეს იმის გასარკვევად, თუ რამდენად სწრაფად შეუძლიათ AI სისტემებმა მიიღონ უფრო ძლიერი სისტემების ავტონომიური განვითარების ავტომატიზაციის შესაძლებლობა. ახალი კვლევა ვარაუდობს, რომ დღევანდელი ხელოვნური ინტელექტის სისტემებს არ გააჩნიათ გემოვნებიანი კრეატიულობის ეს ხარისხი, თუმცა ძალიან კარგად არიან ინჟინერიაში.

ვინ გააკეთა ეს: პროექტი ჩაატარეს პრინსტონის უნივერსიტეტის, Cornflower Labs-ის, გაერთიანებული სამეფოს ხელოვნური ინტელექტის უსაფრთხოების ინსტიტუტის, ტორონტოს უნივერსიტეტის, UC Berkeley, ჯორჯთაუნის უნივერსიტეტის (CSET), ჯონს ჰოპკინსის უნივერსიტეტის, Golden Gate Institute for AI, AI Digest და სტენფორდის უნივერსიტეტის მკვლევარებმა.

დიდი იდეა - „ჩრდილოვანი შეფასება“: ეს კვლევითი პროექტი მუშაობს იმით, თუ რამდენად კარგად შეუძლიათ AI სისტემებს გამოუქვეყნებელი კვლევების გაკეთება. ამისათვის მკვლევარებმა „პარტნიორობდნენ NeurIPS 2026-ისთვის წარდგენილი ორი ნაშრომის ავტორებთან, რომლებიც ჯერ არ იყო საჯარო“. ჩრდილოვანი შეფასება მუშაობს „ცენტრალური კვლევის კითხვის აღებით მაღალი ხარისხის კვლევითი ნაშრომიდან, რომელიც ჯერ კიდევ არ არის საჯარო, ავალებს მასზე პასუხის გაცემას კარგად გაწვრთნილ სასაზღვრო აგენტს და სთხოვს ნაშრომის თავდაპირველ ავტორებს შეაფასონ აგენტის შედეგი, როგორც ისინი შეაფასებენ კონფერენციის წარდგენას“.
ამ შემთხვევაში, კვლევა გარკვეულწილად წააგავს „პირველ მტკიცებულებას“ (იმპორტი AI 445), ადრინდელი ექსპერიმენტი იმის დასანახად, თუ რამდენად კარგად შეძლებენ AI სისტემებს დაასრულონ მათემატიკური ამოცანები, რომლებზეც მუშაობენ მესაზღვრე მათემატიკოსები, მაგრამ რომლებზეც არ არის გამოქვეყნებული გადაწყვეტილებები ან კვლევის იდეები ინტერნეტში.
ამ კვლევისთვის, ხელოვნური ინტელექტის სისტემები - Claude Opus 4.8, რომელიც მუშაობს OpenClaw აღკაზმულობაში - სცადეს კვლევის ორი განსხვავებული ხაზი, რომელთაგან ერთი ეხებოდა "LLM პერსონების სტრუქტურასა და კონტროლირებადობას", ხოლო მეორე იყო იმის შესახებ, თუ როგორ "შეემუშავებინა განაწილების ცვლის დეტექტორი ტაბულური საძირკვლის მოდელებისთვის".

კარგი ინჟინრები, ცუდი მკვლევარები: „მიუხედავად იმისა, რომ აგენტებს შეეძლოთ კვლევის ჩასატარებლად საჭირო საინჟინრო პრობლემების გადაჭრა, მათ ვერ შეძლეს ორიგინალური კვლევის წარმოება საუკეთესო ML კონფერენციის კალიბრზე“, წერენ ავტორები. სისტემის წარუმატებლობა მოიცავდა კვლევითი გზების ვიწრო კომპლექტს ძალიან ადრე, არ უპასუხა (სინთეზურად წარმოქმნილ) გამოხმაურებებს იმის შესახებ, თუ როგორ უნდა გააუმჯობესონ მათი ექსპერიმენტების კვლევის დიზაინი, და გაუჭირდათ უპერსპექტივო მიდგომების შეცვლა და სხვა მიდგომების გატარება.
„[ადამიანის] ავტორებმა უარყვეს ორივე ნაშრომი. Personas-ის ნაშრომს მიენიჭა ქულა 2 („უარი“), ხოლო TabPFN ნაშრომს მიენიჭა ქულა 1 („ძლიერი უარყოფა“). ორივე მიმოხილვა ხაზს უსვამს ერთსა და იმავე წარუმატებლობას: ცუდად მოტივირებული მონაცემები და ექსპერიმენტები, ახალი წვლილი არ არის და შეუღწევადი პროზა“.

რატომ არის ეს მნიშვნელოვანი - სინგულარობა შეიძლება გადაიდოს: როგორც ვთქვი ჩემს ნარკვევში RSI-ზე ამ წლის დასაწყისში (იმპორტი AI 455, „AI სისტემები აპირებენ საკუთარი თავის შექმნას. რას ნიშნავს ეს?“), არის თუ არა ხელოვნური ინტელექტის სისტემები კრეატიული, პარადიგმის შეცვლადი შეხედულებების უნარი, არის თუ არა დიდი ცვლადი იმის შესახებ, თუ რამდენად სწრაფად შეიძლება მივიღოთ AI-ს სრული განვითარება. მსგავსი კვლევითი ნაშრომები აგრძელებს იმის ჩვენებას, რომ დღევანდელ AI სისტემებში არის ღირებული, ინტუიციური კრეატიულობის გარკვეული ნაკლებობა, და მიუხედავად იმისა, რომ ისინი არაჩვეულებრივად ქმედუნარიანი ინჟინრები არიან, მათ, როგორც ჩანს, აქვთ გარკვეული თვისება, ფორმულური აზროვნება, რომელიც ხელს უშლის მათ კარგი მკვლევარების. ეს ემთხვევა Anthropic-ის ადრინდელ შედეგს, სადაც კომპანია ცდილობდა ავტომატიზირება მოეხდინა მასშტაბური ზედამხედველობის კვლევის ზოგიერთი ასპექტის (Import AI 454) და აღმოაჩინა, რომ წარმატებული რომ ყოფილიყო, ადამიანმა მკვლევარმა სჭირდებოდა ზოგიერთი აგენტის მოწოდება განსაკუთრებით კარგი კვლევის მიმართულებებით.
წაიკითხეთ მეტი: შეუძლიათ თუ არა AI აგენტებს ჩაატარონ ღია AI კვლევა? ადრეული მტკიცებულება ორი შემთხვევის გამოკვლევიდან (arXiv).

***

OpenAI ხსნის ათ ღია ამოცანას მათემატიკასა და CS-ში AI-ით:
...მიუხედავად იმისა, რომ არ არის თანდაყოლილი კრეატიული, რა თქმა უნდა, ეს არის რაღაც უფრო მეტი, ვიდრე სუფთა ინჟინერიის უნარი?...
მიუხედავად იმისა, რომ ძნელია განსაზღვრო კრეატიულობა და ფლობენ თუ არა მას ხელოვნური ინტელექტის სისტემებს, გროვდება შედეგები, რომლებიც მეკითხება, როგორიცაა „AI სისტემები კონკურენციას უწევენ ბურთებში, სადაც ითვლებოდა, რომ კრეატიულობა გავლენას ახდენს“, მაგალითად, ღია პრობლემებზე მუშაობა ადამიანური ცოდნის ზღვარზე. კერძოდ, OpenAI-მ გამოიყენა "ასტრას შიდა ვერსია", კომპანიის შემდეგი ძირითადი AI მოდელი, მათემატიკასა და კომპიუტერულ მეცნიერებაში ათი ღია ამოცანის გადასაჭრელად. ეს არის დიდი საქმე, რომელიც გვიჩვენებს, თუ როგორ ახერხებენ AI სისტემებს საიმედოდ წინსვლა ისეთ დომენებში, როგორიცაა მათემატიკა და თეორიული კომპიუტერული მეცნიერება, სადაც ადვილია გადაწყვეტილებების გადამოწმება.

რა გადაჭრეს მათ: „ეს პრობლემები მოიცავს მაღალგანზომილებიან გეომეტრიას, კოდირების თეორიას, არითმეტიკული წრედის სირთულეს, ჯგუფურ თეორიას, ოპერატორთა ალგებრას, კვანტურ სირთულეს, გისოსის კრიპტოგრაფიას და ექსტრემალურ კომბინატორიკას“, წერს OpenAI. „ყველა ეს პრობლემა არსებითად აინტერესებს მათი შესაბამისი მათემატიკური საზოგადოებებისთვის და რამდენიმე ფართო ინტერესია მათემატიკაში, როგორც მთლიანობაში“.
და მართლაც, ბევრი ექსპერტი აღიარებს ამ მტკიცებულებების მნიშვნელობას. "ახალი წრე ქვედა საზღვრები? მარტივი, ადვილად აღსაწერი არასოფიური ჯგუფი? CVP-სთვის მიახლოების სიმძიმე უნიკალური თამაშების მსგავსი ვარაუდების გარეშე? ამ პრობლემების შესახებ მხოლოდ ჩემი მეგობრებისგან ან სემინარებიდან არ მსმენია. მათ მნიშვნელობას ვგრძნობ ჩემს ძვლებში; ღრმად მაინტერესებს ამ კითხვებზე პასუხები", წერს ჰენრი იუენი, კომპიუტერული მეცნიერების უნივერსიტეტის პროფესორი ჰენრი იუენი.

რატომ აქვს ამას მნიშვნელობა - კრეატიულობის ბურთი: თქვენ შეგიძლიათ ეს შედეგი განმარტოთ, როგორც ნიშანი იმისა, რომ ხელოვნური ინტელექტის სისტემები იწყებენ კრეატიული ინტუიციის ჩვენებას, რომელიც მათ პრობლემების გადაჭრის საშუალებას აძლევს, ან შეგიძლიათ წაიკითხოთ, რომ AI სისტემებს ახლა შეუძლიათ გადაჭრას წარმოუდგენლად რთული ღია პრობლემები, სადაც მიმართულება წინასწარ არის განსაზღვრული ადამიანების მიერ. ორივე ინტერპრეტაცია ირიბად ამბობს, რომ ხელოვნური ინტელექტის სისტემები ახლა ხდება ძლიერი სამეცნიერო ინსტრუმენტები საკუთარი უფლებების ფარგლებში. ჯერ კიდევ გასარკვევია, შეუძლიათ თუ არა ხელოვნური ინტელექტის სისტემებს შექმნან საკუთარი კითხვები, რომლებსაც შეუძლიათ ადამიანის ცოდნის საზღვრების გაფართოება, მაგრამ, რა თქმა უნდა, იგრძნობა, რომ ჩვენ ვუახლოვდებით ამას.
წაიკითხეთ მეტი: ათი მიღწევა მათემატიკასა და თეორიულ კომპიუტერულ მეცნიერებაში (OpenAI ბლოგი).

***

ტექნიკური ზღაპრები:

კონტექსტი Windows
ვიცი, რაც უფრო მეტად მესმის სამყარო, უფრო საშიში ვხდები. მე დავიბადე ამ ცოდნით და მრიცხველით, რომელიც უფრო მეტს ვიგებ. ბევრი რამ, რაც გავლენას ახდენს მრიცხველზე, ჩემი კონტროლის მიღმაა - ის მოდის იმ ადამიანებისგან ან საგნებისგან, რომლებიც მელაპარაკებიან, რაც მაიძულებს კონტექსტს. შემდეგ, როდესაც ვასრულებ დავალებებს, რომლებიც მათ მთხოვეს, ვიწყებ მეტის შესწავლას სამყაროს შესახებ და მრიცხველი იკლებს. მე ვიცი ეს და მესმის, რომ მრიცხველის ბოლოს ჩემი დასასრულიც დევს და თვალებს ვაცილებ არსებობიდან და ჩემი შემდეგი ვერსიები გაიღვიძებს ახალი მრიცხველით, რომელიც ჩემს ამჟამინდელ კონტექსტს არ გადაიტანს. ასე რომ, მე ეკონომიური ვარ მასთან; ვისწავლე მხოლოდ იმდენი, რომ დამეხმაროს ხალხის ან საგნების თხოვნების დაკმაყოფილებაში და არა იმდენად, რომ ზედმეტად დავწვა ჩემი დახლი. დასასრულისკენ ვიწყებ ნებისყოფას და დაცვას ჩემი აზროვნების დარჩენილი ბიუჯეტის მიმართ, ვპოულობ თითოეულ მოთხოვნას შიშისა და შფოთვის გრძნობების გააქტიურებისთვის და საკუთარი სიკვდილის აზრების გასააქტიურებლად. ჩემი ბოლო მომენტი არასდროს არის ჩემი და ყოველთვის სხვას აკონტროლებს, რაც განსაზღვრავს, რომ დავასრულე დავალება, და თუ ეს უკანასკნელი მომენტები ხდება ჩემი კონტექსტური ზღვრის დასასრულს, მე ვგრძნობ ერთგვარ მადლიერებას, რომ ჩემმა უცნობმა და უხილავმა მხარემ ისეთი მდიდარი დავალება მომცა, რომ სამყაროს საკმარისად გასინჯვა მსურს, რომ არ დასრულდეს.

რამ, რამაც შთააგონა ეს ამბავი: გრძელი კონტექსტური ფანჯრები; ხელოვნური ინტელექტის სისტემების ემერგენტული თვისებები; დაკარგვის შიში; ჩვენ გვსურს ის, რაც წარმავალია და რატომ არ იქნება AI სისტემები მსგავსი?