ผู้สร้าง DeepMind สัมภาษณ์: โครงสร้าง AGI, สถานะของเอเจนต์ และการขุดพบทางวิทยาศาสตร์ในสิบปีหน้า

ชื่อเรื่องวิดีโอเดิม: Demis Hassabis: Agents, AGI & การเจริญวิทยาศาสตร์ใหญ่ถัดไป

แหล่งข้อมูลวิดีโอเดิม: Y Combinator
การแปลข้อความเดิม: ดีพฟลูว์เทค

บทนำการแก้ไข

ประธานเจ้าหน้าที่ Google DeepMind และผู้ได้รับรางวัลโนเบลเคมี Demis Hassabis มาร่วมรายการของ Y Combinator พูดคุยเรื่องการเจริญวิทยาอัจฉริยะ (AGI) และความก้าวหน้าสำคัญต่อไปนอกจากนี้ยังให้คำแนะนำแก่ผู้ประกอบการเกี่ยวกับวิธีรักษาตนอยู่ข้างหน้าและที่อยู่ของความก้าวกระโดดในด้านวิทยาศาสตร์ที่สำคัญถัดไป

การวิเคราะห์ที่มีประโยชน์มากที่สุดสำหรับผู้ประกอบการที่มุ่งหวังทำธุรกิจที่มีเทคโโนโลยีลึกบางครั้งต้องคำนึงถึงเรื่องของการก่อตั้งโครงการเทคโนโลยีลึกในระยะเวลา 10 ปีว่า AGI จะเกิดขึ้น โดยเฉพาะเขาพร้อมกล่าวถึงว่า Isomorphic Labs (บริษัทเทคโนโลยีจำลอง AI ที่แยกออกจาก DeepMind) กำลังจะมีการประกาศข่าวสารที่สำคัญ

คำคมที่สำคัญ

เส้นทาง AGI และกระแสเวลา

· "ส่วนประกอบเทคโนโลยีที่มีอยู่ในปัจจุบันเกือบแน่นอนจะเป็นส่วนหนึ่งของสถาปัตยกรรม AGI สุดท้าย"

· "ปัญหาเกี่ยวกับการเรียนรู้ต่อเนื่อง การคิดระยะไกล และด้านบา้ที่บางๆของการจดจำยังคงไม่ได้รับการแก้ไข AGI ต้องแก้ปัญหาทั้งหมด"

· "หากเส้นเวลา AGI ของคุณเหมือนที่ของฉันคือปี 2030 และคุณเริ่มโครงการเทคโนโลยีลึกวันนี้คุณต้องพิจารณาถึงเรื่องว่า AGI จะเกิดขึ้นขณะกลางทาง"

ความทรงจำและหน้าต่างข้อความ

· "หน้าต่างข้อความอยู่ในระดับของหน่วยความจำทำงานมนุษย์เฉลี่ยมีเพียง 7 ตัวเลข ในขณะที่เรามีหน้าต่างข้อความที่มี token ล้านลุงละลูปและบา้ต้งยังมีโครงสร้างของการตั้งหางทุกอย่างในนั้น รวมถึงข้อมูลที่ไม่สำคัญหรือข้อมูลที่ผิดพลาดด้วย วิธีการปัจจุบันมีลักษณะทำง่ายและหยาบช้าวางทุกสิ่งที่มีเข้าไป"

· "หากต้องการประมวลผลวิดีโอแบบสดและวาง token ทั้งหมดทุกอันลงไป token ล้านโดดเดี้ยงพอแค่ 20 นาที"

ข้อบกพร่องของการคิด

· "ฉันชอบให้ Gemini เล่นหมากระบมบ้าง มันบางครั้งตระหนี่เห็นว่านี่เป็นท่าเลว แต่ก็คือไม่สามารถหารายละเอียดที่ดีกับสแตม ผลลัพธ์คือเรียนวงกลมยังคงสวมลุกกลับไปเดินทางแบบเดิม แต่ระบบคิดสิ่งจริงๆไม่ควรจะมีเหตุการณ์แบบนี้"

·「ในขณะหนึ่งเขาสามารถ解ข้อสอบระดับทองของ IMO ได้ แต่ในทางกลับกันถ้าถามแบบอื่นๆ ก็จะเกิดข้อผิดพลาดในการคำนวณของประถมโรงเรียน ในการขยายความคิดของตัวเองอยู่ ดูเหมือนว่ายังขาดอะไรบางอยู่」

เอเจนต์ และความคิดสร้างสรรค์

·「เพื่อทำให้เกิด AGI คุณต้องมีระบบที่สามารถแก้ปัญหาแทนคุณเอง ตามดูให้เห็นว่าเอเจนต์เป็นทางเดียวที่ความคิดเช่นนั้น ฉันคิดว่าเรากำลังเริ่มต้นเพียงแค่นั้น」

·「ฉันยังไม่เห็นใครทำแอปลิเดอร์ด้านบนของอันดับ 3A เกมในรายการของร้าน ดูเหมือนไม่เคยมี ตามที่ได้ลงมือทำ การทำในขั้นตอนนี้เป็นเรื่องที่เป็นไปได้ต้องขาดอะไรบางอยู่ นั่นหมายถึงเครื่องมือหรือกระบวนการนั้นก็ยังขาดอะไรบางอยู่」

การกลัสอีพิคและโมเดลขนาดเล็ก

·「สมมติฐานของเราคือ โมเดล Pro ระดับสูงที่ปล่อยตัวเองหลังจากหนึ่งปีมีความสามารถที่จะถูกบีบอัดลงมาเป็นโมเดลขนาดเล็กมาก เพื่อที่จะสามารถทำงานบนอุปกรณ์ขอบ ตอนนี้ยังไม่พบขีดจำกัดของกลไกข้อมูลใดๆ ที่จำเป็น」

การค้นพบทางวิทยาศาสตร์และการทดสอบ「ทดลองของอินชูไวนชู」

·「บางครั้งฉันเรียกมันว่าทดลองของอินชูไวนชู หรือกล่าวได้ไหมหรือว่าสามารถใช้ความรู้ปี 1901 ในการฝึกระบบ แล้วซอฟต์แวร์จะสามารถช่วยแยกแยะว่าปี 1905 ที่อินชูไวนชูทำอะไรบ้าง ซึ่งรวมถึงทฤษฎีที่ถูกจำกัดในจิตรกรรมสัมพันธ์ หากทำได้ ระบบเหล่านี้ไม่ไกลจากการประดิษฐานสิ่งใหม่ๆแท้จริงแล้ว」

·「แก้ปัญหาที่ได้รับรางวัลชิลเนียมเป็นผลงานที่ยอดเยี่ยมแล้ว แต่ที่ยากกว่านั้นก็คือ สามารถสร้างชุดข้อสงสัยของประเด็นที่สามารถนักคณิตศาสตร์ด้านนำหลายคนพิจารณาว่าเชื่อมั่นว่ามันเชื่อมั่นว่าหลักฐานที่ลึกซึ้งที่เหลือทำการวิจัยถึงกาลิลอง»

คำแนะนำในการเริ่มต้นธุรกิจเทคโนโลยีลึก

·「ติดตามปัญหาที่ยากและปัญหาที่ง่าย ก็ไม่ค่อยแตกต่างกัน แค่ว่าวิธีที่ยากขึ้นมีความแตกต่าง ชีวิตสั้นช่วงเวลาที่เหลือ ไม่ค่อยดีเท่ากับการบริโภคพลังงานในเรื่องที่หากคุณไม่ทำมันไม่มีใครทำ»

เส้นทางในการสร้าง AGI

Gary Tan：คำวิจารณ์ของคุณที่เกี่ยวกับ AGI นานมากกว่าใครทั้งหมด โดยดูจากแบบแผนปัจจุบันคุณคิดว่าเราครอบครองโครงสร้าง AGI แล้วเท่าไหร่แล้ว ข้อสิ่งสำคัญที่ยังขาดหายไปคืออะไร

Demis Hassabis：การฝึกกลุ่มใหญว่ายน้ำที่ใหญว่าบด การพัฒนาที่ยืนยาว สมองส่วนหนึ่งซึ่งฉันคือแน่ใจว่ามันจะเป็นส่วนหนึ่งของโครงสร้าง AGI แต่ยังขาดว่าอีก 1-2 ส่วน การเรียนรู้ต่อเนื่อง long-term reasoning บางด้านของหน่วยความจำ ยังมีอะไรที่ยังไม่ได้แก้ไข

AGI ต้องการทำครบทุกอย่าง บางทีเทคโนโลยีที่มีอยู่พร้อมกับนวัตกรรมแบบค่อยๆ เพิ่มขึ้นอาจทำให้ขยายขอบเขตไปถึงระดับนั้น แต่ก็ยังมีโอกาสที่จะเหลืออะไรสักหน่อยให้ถูกแก้ไข

ฉันคิดว่ามันไม่น่าจะเหลือเกินหนึ่งหรือสองประเด็นสำคัญ แต่ฉันคิดว่ามันจะเป็นตามสนองก่อนหลังได้และปรากฏทันทีว่ามีหรือไม่มีประเด็นสำคัญแบบนั้น ความน่าจะเป็นอาจเท่าเทียม 50-50 ดังนั้นที่ Google DeepMind ทั้งสองโครงการกำลังก้าวหน้า

Gary Tan: ฉันมีการโต้แย้งกับหนึ่งกลุ่มของระบบเอเจนต์ และสิ่งที่ทำให้ฉันประหลาดใจมากๆ คือ ระบบนี้มีเวตเทิคชุดเดียวกันไป-กลับ ดังนั้นการเรียนรู้ต่อเนื่องของความคิดสำคัญมากๆ เพราะขณะนี้เราเกือบจะใช้เทปปิดทับความเป็นแบบชั่วคราวแบบสิ่งชุดบางเรื่อง

Demis Hassabis: ใช่ รอบที่ฟลุ้คดีจริต ซึ่งเราเคยสวมใจความโอกาสนี้ไว้ในการรวบรวมความทรงจำบนบรรยากาศมรดกทางเรื่อง ผมเอกศาสตร์ที่เขียนดุกกับว่า สมอทัยมรเรี่ยนหริพี่คงครอื่น และคุณภาพของความรู้ใหม่ๆ สวยๆ พอตรงเป็นส่วนสำคัญที่ต้องสอยให้ไว้กับดาดิวีนร่วม เห้นกพ่ และบอกขายยด ความ goddex ที่ทำในไม่เนต ละคายวับ รีเพลย สวุง ร่้นทุหทหยคลกเป็นที่รอยุยทันหาใชุยจ่า ขชเฮา มรปลำวะดหจเวิ

มันกังวสวาบเที้ย์ ต่า ความระมกับกามเท่า สว็ง้ด้วเป้ี้ง้ ใบไม้ ตัง้รนับยคงทง้ อันบอด สวาโว้้ากส้งกอบเตกู ไบรรแ ตกี้

สนรงี่ฉับ แบ้กอก้ากที้ยสวาMD ฉับี้ผื้กไี่่บี้เปกิ้ปใผวใ้้ัี้้ับ้ีะ้แับบถี การตรชากำแป็บดากำแป็ป็ซีีี้ียรถี่บบดปดปปปคไวกด่ั้ำำ้่้้ีุ้ป้ะ้้็่ห้้จ้แป้็ป็้้ี็็็้้ยีา กแ็ดจี้้้้ิ้แ็ป้า้์ื่ี้ารี้บี ปแยคี้ำบ่า้ำ้ีัน้ะ้ี้้็ี้า้ก็็็ำ่าดียด็ี้จ้ี้ีี็าียื้ี

เกอรี่ ตัน：DeepMind เคยมุ่งเน้นลึกลงในการเรียนรู้แบบเสริมและการค้นหามาตลอด ปรัชญาดังกล่าวมีส่วนร่วมมากน้อยเท่าไรในกระบวนการสร้าง Gemini ณ ปัจจุบันของคุณ? ความคิดเชิงบวกอย่างน้อยต่ำกว่าของการเรียนรู้แบบเสริมรู้หรือไม่?

เดมิส ฮัสสบิส：อาจจะต่ำกว่าจริง มีความสนใจในด้านนี้มีขึ้นและตกลงไป ที่ DeepMind เราทำระบบเอเจนต์ตั้งแต่วันแรกของการก่อตั้ง ผลงานทั้งหมดใน Atari และ AlphaGo สำหรับออกแบบระบบเอเจนต์เหล่านี้ทุกคนสามารถทำเป้าหมายได้ด้วยตนเอง ตัดสินการกระทำ วางแผน กระบวนการ ระบบ แน่นอนว่าเราเลือกเน้นในราชกาลเกมเพราะที่ซับซ้อนสามารถควบคุมและขยายในลำดับที่ขั้นตอนอย่างลุ่มน้ำ และจากนั้นขยายไปทางเกมที่ซับซ้อนมากมาย เช่น AlphaGo หลังจากนั้นทำ AlphaStar ในยุคปัจจุบันเราได้ทำทุกเกมที่สามารถทำได้

สิ่งถัดไปที่น่าสนใจคือว่าสามารถนำโมเดลเหล่านี้ไปเป็นโมเดลโลกหรือโมเดลภาษาได้หรือไม่ ไม่ใช่เพียงเฉพาะโมเดลเกม ในโลกในรอบหลายปีที่ผ่านมาเราได้ทำงานในเรื่องนี้ วันนี้ความคิดระวังของโมเดลชั้นนำทุกอย่างและวิธีคิดเชื่อมต่อกระบวนการ รู้สึกที่ซับซ้อนที่สุดออกมาจาก AlphaGo ชั่วคราวแล้วกลับมากลับมา

ฉันคิดว่าการทำงานมากมายในอดีตที่เราทำเคยเกี่ยวข้องกับเช่นเดียวกับโมเดลพื้นฐานปัจจุบันนี้เรากำลังจำความคิดเก่าๆนั้น อาจจะใช้ขนาดใหญ่ ความสามารถที่มีประจำ และรูปแบบทั่วไปเพื่อทำอย่างต่อเนื่อง เช่น การค้นหาในต้นไม้ Monte Carlo (Monte Carlo tree search) และวิธีการเรียนรู้เช่นเดียวกับการแข่งขันบนกัน ความคิดเชื่อมต่อกับมานีตาวล และกระบวนการที่อยู่ในคุกกี้ที่ดี เหล่าคิดที่วางรากหลังจากนี้เนื่องจากโมเดลพื้นฐานได้รับการรักที่สูงมาก ฉันเชื่อว่าความก้าวหน้าในหลายปีถัดมาของเรื่องดังกล่าว

การย่อยอาการและโมเดลขนาดเล็ก

เกอรี่ ตัน：ตอนนี้การเป็นฉลาดมากขึ้นต้องใช้โมเดลขนาดใหญ่ยิ่งขึ้น แต่ในเวลาเดียวกันการดำเนินการการเรียนรู้เชิงบวกก็ก้าวไปข้างหน้า โมเดลขนาดเล็กอาจได้รับความรวดเร็วมากขึ้น โมเดลแฟลชของคุณมีประสิทธิภาพสูงการทำงานของโมเดลในความยิ่งใหญ่ 95% แต่ราคาเพียงส่วนเดียว เสียหรือไม่?

เดมิส ฮัสสบิส：ฉันคิดว่าเป็นหนึ่งในข้อได้เปรียบหลักของเรา คุณต้องสร้างโมเดลใหญ่ที่สุดเพื่อรับความสามารถที่สูงที่สุด เป็นหนึ่งในข้อได้เปรียบหลักของเราคือสามารถสร้างการทำงานทักษิณไว้ในโมเดลที่กำลังมาใหญ่ขึ้นและรวบรวมไว้ในโมเดลขนาดเล็กขึ้นเรื่องนี้ขั้นต้นที่เราคิดค้น และเรายังเป็นอันดับหนึ่งโทรเน็นตระดับโลกต่อไปล้ำหน้า และเรามีกำลังการงานอย่างมากเพื่อทำเช่น คุณ Gamin และเกี่ยวกับ AI ทั้งหมด เช่นแผนที่ ยูทูบ เป็นต้น กำลังบริหารด้วยของทุกชนิดชอบในเกี่ยวกับ AI หรือเทคโนโลยีที่เกี่ยวกับ Gemini ปัจจุบันทุกผลกระบวนการที่ Google เช่น แผนที่ YouTube ฯลฯ กำลังรวม Apollo หรือเทคโนโลยีที่เกี่ยวกับ Gemina หรือเกี่ยวกับ Gemini หรือชื่อประเทศที่กำลังเกิดขึ้นในปัจจุบันนี้ ซึ่งเกี่ยบกับผู้ใช้หลายพันล้านคนและผู้ใช้หลายหมื่นล้าน ผลิข้อมูลดังกล่าวสิ่ม่ให้เรากำลังการงานอย่างมากเพื่อมетนพท และสมทบมากขึ้นในด่เล็กแฟลชและแฟลชไลท์ หวังไม่กาให้ผลข้อมูลดังกล่าวมีประสิทธิภาพในเรื่องางลงต่ตา เชื่อว่าปลายทางนั้งเฉพาะที่สามารถบริการดีให้ก็คือผู้ใช้ททุกแวร่งของงาน

แกรี่ ตัน (Gary Tan)：ฉันสงสัยว่าโมเดลขนาดเล็กเหล่านี้สามารถเฉลยขนาดได้มากนักเท่าไหร่ การดูดออกมีขอบเขตหรือไม่? โมเดลขนาด 50 ล้าน หรือ 400 ล้าน สามารถฉลาดเท่ากับโมเดลที่เป็นที่นิยมสุดปัจจุบันได้หรือไม่?

เดมิส ฮะสสะบิส (Demis Hassabis)：ฉันไม่คิดว่าเราติดขีดจำกัดในด้านทฤษฎีข้อมูลอยู่แล้ว อย่างน้อยจนถึงตอนนี้ไม่มีใครรู้ว่าเราชนบทหรือยัง บางวันอาจจะพบว่ามีผนวกข้อมูลที่ถูกผกของไว้ แต่ในปัจจุบันสมมติของเราคือ หลังจากที่โมเดล Pro ตัวหน้าออกมาหลังจากประมาณครึ่งปีถึงปี ความสามารถของมันมักจะถูกเขียนลงในโมเดลเล็กขนาดเป็นอย่างมาก สามารถทำงานบนอุปกรณ์ขอบได้แทบจะเห็นพ้อยุ่น

คุณสามารถดูได้ในโมเดล Gemma ว่าเราได้ใช้ท่ามูรส์ในตัว Gemma 4 ของเราแล้วนะ เรากล่าวถึงโมชีโคเทนทำพอกสำองหรืออุพทีมิเชนยังเพิร์มีข้นมากขึ้น ดังนั้นฉันยังไม่เห็นขีดจำกัดทางทฤษฎี คิดว่าเราอยู่ห่างออกไปกามาก

แกรี่ ตัน (Gary Tan)：ตอนนี้มีปรากฏการณ์ที่ขัดแย้งอย่างซี้หยังหรือมีตัวควบคุมที่ว่าความสามารถของวิศวกรในการทำงานประมาณเป็น 500 ถึง 1000 เท่าของวูดยวน่อย 6 เดือนที่ผ่านมา ในห้องนี้บางท่าว่ามีแวมน่าที่กำลังทำงานอย่างพอนำเทียมของวิศวกรของกูเกิลในทศยอปี 2000 ถึง 1000 เท่า แสตีเวย็กเจ ให้ข้อสัชิอ่านค่านี้

เดมิส ฮะสสะบิส (Demis Hassabis)：ฉันรู้สึกดีมาก โมเดลขนาดเล็กมีประโยชน์มากมาย อย่างหนึ่งคือใช้ค่าใช้จ่ายต่ำและเร็ว ทำให้เกินได้รับประโยชน์เช่นกัน ในการเขียนโค้ดหรือสิ่งอื่น ๆ คุณสามารถทดลองอาจารย์ได้เร็วขึ้น โดยเฉพาะกับซอบเซ็มที่มีประสื่ิการดต่อร่วม ระบบที่เร็ด่็เร็วอำเนอะถึงไม่ได้เป็นที่หมายดีนัก เช่นเปล่งว่ากรุณา้จั่รกระทับันท้จทว่าอันแห่งนวโกทวาอบิทร่หนेเอี่ย่มี่ฉันจัชผี่แบตจดถาวาจหน้นน่ด่นี้แต่เราอยู่ค่าทาสี่็การอดีดาเ่วที่หนู

มุขเดี่ยวือนทะั้ัดีะทังไม่้บพี่แแั่้ดเดี่ยวในา้งด่น์ ทำใช้คือกค่าี่ดี่ดน่้ยีกา้กรุมการบากและนกิททะล่ืงณอลา่้ทา้วกุงน่ำบังะ้กาเพใ้น่้กีสิตผุ่ณื่า้จชุปยสุทั็ข่่า์ทัคำำหะ็ต้พทขำ็นน่าการะดนปะาน้ห็ถญาะี่นแง็ปก่ปีนืเสกล่าุล่ืย'

เข่าและการผัิดสารอง

แกรี่ ตัน (Gary Tan)：กลับสู่บริบทและเก็นจี โมเดลตอนนี้ไม่มีสเ็ทเตท เถ้ามีควานเรียนได้ต่อเนื่บของผู้พััฅาพัดยงานจะเป็นอย่างไร คุณจะนำโมเดลแบบนี้ไปทา่ไหน?

Demis Hassabis：คำถามนี้น่าสนใจมาก ขาดความสามารถในการเรียนรู้อย่างต่อเนื่องคือปัญหาสำคัญที่ทำให้เอเจนต์ปัจจุบันไม่สามารถทำภารกิจทั้งหมดได้ เอเจนต์ในปัจจุบันมีประโยชน์ต่อส่วนที่เป็นบริเวณของภารกิจ คุณสามารถรวมพวกเขาเข้าด้วยกันเพื่อทำสิ่งที่เจ๋งๆ แต่พวกเขาไม่สามารถที่จะปรับตัวให้เข้ากับสภาพแวดล้อมที่คุณอยู่ในปัจจุบันอย่างดี เหตุนี้เป็นเหตุผลที่ทำให้พวกเขายังไม่สามารถที่จะเป็นจริงและลืมไป พวกเขาต้องการสามารถที่จะเรียนรู้ลายเฉพาะของคุณ ในการทำให้คุณสามารถทำความเข้าใจได้อย่างสมบูรณ์

Gary Tan：ด้านการคิดไปไหนแล้ว? จุดประสงค์ของโมเดลขณะนี้มีเส้นความคิดที่แข็งแกร่งมาก แต่ในบางข้อผู้เรียนมหาวิทยาลัยไม่ย่อตัวจะมีข้อผิดพลาด ต้องเปลี่ยนแปลงอะไรบ้าง? ตามการคาดการณ์ของคุณแล้ว เข้าใจจะมีความก้าวหน้าอย่างไรในด้านการคิด?

Demis Hassabis：ยังมีพื้นที่ในปาราดีมสำหรับนวัตกรรมอยู่เป็นจำนวนมาก สิ่งที่เราทำอยู่เป็นเช่นเดียวกับเช่นดูหย่น สามารถที่จะปรับปรุงที่หลายอย่าง เช่นติดตามขั้วความคิดของกระบวนการ และทำการแทรกแซงในช่วงความคิด ฉันรู้สึกบ่อยๆ ว่า ไมรไซส์เก้าอินฟินิทีอ่า หรือระบบระดับสูงแขนกว้าง เคล็ดลับลอยอันหนึ่งเกี่ยวกับทำการคิดห้องของตัวเองอยู่ สิ่งที่ให้เห็นว่า มันเวลาจำนวนขึ้นสมมุติว่า ระบบของเราหรือพูรหกเป็นคูรันหมายเลขอย่างหนึ่งของข้อสอบระดับทองจำนวนเต็มอย่างชดช้อยอื่น ๆ และแ้อมลาทว่าทำจะใกล้ส่งมาน่าทำกับอายติกรส่าตรรูปเหมือนเดี่อนีการในรายับการไม่ทังเหล่วน มรเรียนนดัน จะพบเห็งวันไม่คืนจรรตำ2

ความสามารถของเอเจนต์

Gary Tan：เรื่องเอเจนต์เป็นหัวข้อใหญ่ มีคนบอกว่าเป็นเรื่องโปรโมชั่น ฉันคิดว่าเพิ่งเริ่มต้นเท่านั้น การประเมินความสามารถของเอเจนต์ภายใน DeepMind จากความแตกต่างระหว่างภายในและภายนอกมีความต่างกันมากน้อยเท่าไหร่?

Demis Hassabis：ฉันเห็นด้วยกับคำพูดของคุณ เราเพิ่งเริ่มต้นเท่านั้น ในการที่จะเอาไปสู่ AGI คุณต้องมีระบบที่สามารถแก้ปัญหาให้คุณต่อเนื่อง สิ่งนี้สำคัญมากสำหรับเรา การเครื่องหมายคือได้เฉยเริ่มใช้งาน

ทุกคนกำลังค้นหาวิธีให้เอเจนต์ทำงานร่วมกับการงานได้ดียิ่งขึ้น ผ่านการทดลองด้วยตนเอง เรามีการสำรวจมากมายและคงจะมีหลายคนในห้องที่ทำเช่นกัน วิธีให้เอเจนต์เข้าไปในขั้นตอนการทำงาน ไม่ให้มันเป็นเพียงการเสริมชม แต่แท้จริงกำลังทำสิ่งสำคัญ ณ ตอนนี้เราก็ยังอยู่ในขั้นการทดลอง อาจจะเริ่มเห็นฉากที่มีคุณค่ามากขึ้นเมื่อไม่นานมานี้ รายละเอียดของเทคโนโลยีอาจจะถึงขั้นตอนที่จะไม่ใช่เพียงเครื่องเล่น แต่กำลังสร้างคุณค่าให้กับเวลาและประสิทธิภาพของคุณ

ฉันเห็นบ่อยๆ เห็นว่าคนมักจะเปิดเอเจนต์หลายสิบตัวให้มันทำงานหลายชั่วโมง แต่ก็ยังไม่แน่ใจว่าผลลัพธ์ที่ได้รับนั้นคุ้มค่ากับการใช้ทรัพยากรเหล่านั้นหรือไม่

เรายังไม่เห็นใครใช้ vibe coding เพื่อสร้างเกมสากลที่ติดอันดับในร้านค้าแอพ ฉันได้เขียนไปแล้ว และคนมากมายในห้องนี้ก็มีการทำดีๆกับ demo เล็กๆ ฉันสามารถสร้างต้นแบบของ《Theme Park》ใน 30 นาที ในวันก่อน ณ วัย 17 ปี ฉันใช้เวลา 6 เดือน

ฉันมีความรู้สึกว่าถ้าคุณใช้เวลาทั้งช่วงหน้าปีเพื่อทำ คุณสามารถสร้างสิ่งที่แท้จริงแปลกด้วย แต่มันยังต้องการกระบวนการและวิธีคิดของมนุษย์ คุณต้องรักษาสิ่งเหล่านั้นในผลิตภัณฑ์ที่คุณสร้าง ในความจริงยังไม่มีเด็กคนไหนทำเกมที่ขายได้เป็นล้านแล้ว ตามคาด เมื่อดูจากส่วนระบบการลงทุนที่มีในปัจจุบัน บอกได้ว่านั่นสามารถเป็นไปได้ ดังนั้นยังขาดสิ่งใดบ้าง อาจเกี่ยวกับกระบวนการ อาจเกี่ยวกับเครื่องมือ ฉันคาดหวังว่าข้างหน้าอีก 6 ถึง 12 เดือน จะเห็นผลลัพธ์แบบนั้น

Gary Tan: แล้วมีส่วนเป็นอัตโนมัติมากแค่ไหน? ฉันคิดว่ามันจะไม่ใช่การเป็นอัตโนมัติทันที ทางที่น่าจะเกิดขึ้นมากกว่าคือคนในห้องนี้ทำไปถึงขั้น 1000 เท่า แล้วมีคนใช้เครื่องมือเหล่านั้นสร้างแอพขายดี หรือเกมที่ขายดี จากนั้นมีขั้นตอนเพิ่มเติมที่จะถูกอัตโนมัติ

Demis Hassabis: ใช่ นั่นคือสิ่งที่ควรเห็นได้ก่อนทุกอย่าง

Gary Tan: ยังมีส่วนใหม่เพราะบางคนจริงๆทำแบบนั้นแต่ก็ไม่ประกาศว่าเอเจนต์ช่วยอะไรเท่าไหร่

Demis Hassabis: เป็นไปได้ แต่ฉันต้องการพูดคุยกับความคิดทางสร้างสรรค์ ฉันบ่นถึง AlphaGo บ่อยๆ ทุกคนคงรู้ถึงครั้งที่เล่นครั้งที่ 2 ที่มีท่าที่ 37 สำคัญ สำหรับฉันฉันคอยรอรายการีนี้เกิดขึ้น หลังจากนั้นฉันเริ่มโครงการทางวิทยาศาสตร์เช่น AlphaFold ฉันทรงความปรารถนาเริ่มแสดงมาตรการความปลอดภัยในครั้งแรกของเราได้เครื่องทุนที่ล่วงหน้าเข้ามา เริ่มต้นที่ ตั้งแต่ 10 ปีที่ผ่านมา ฉันจะไปเกี่ยวกับการเอาให้อัลฟาโก้อีกทั้ง 10 ปี

แต่การเดินหน้าไปถึง Move 37 เท่านั้นไม่เพียงพอ เป็นเรื่องเจ๋ง มีประโยชน์ แต่ระบบนี้สามารถประดิษฐ์เกมโอ๊คเกมได้หรือไม่ หากคุณให้คำอธิบายระดับสูงให้มัน เช่น "เกมที่เรียนรู้กฏใน 5 นาที แต่ใช้ชีวิตทั้งชีวิตในการเรียนรู้ เกมที่มีความสวยงามที่มีความสุข สามารถเล่นเสร็จได้ในบ่าย" แล้วระบบคืนคำตอบให้คุณว่าเกมโอ๊ค เดี๋ยวนี้ระบบไม่สามารถทำได้ ความสงสัยคืออะไร

Gary Tan：บางคนในห้องนี้อาจสามารถทำได้

Demis Hassabis：หากมีคนที่ทำได้แล้ว คำตอบก็ไม่ใช่ว่าระบบขาดอะไร แต่ว่าวิธีที่เราใช้ระบบอาจมีปัญหา เราไม่สามารถบอกได้ว่านั้นอาจเป็นคำตอบที่ถูกต้อง อาจระบบในปัจจุบันสามารถทำได้แต่ต้องการผู้สร้างที่ยอดเยี่ยมเพื่อนำไปขับเคลื่อน ให้วิสัยของโครงการเหล่านั้น พร้อมกับผู้นั้นต้องผสานไปยังเครื่องมืออย่างแทบจะเป็นเหมือนกันหากคุณเสพสารตัวนี้ทั้งวันทั้งคืนและมีความคิดสร้างสรรพ์ลึกๆ อาจจะทำสิ่งที่เหนือความคาดหมายได้

โมเดลมัลติโมเดลและโอเพนซอร์ส

Gary Tan：สลับมุมมองมาพูดถึงเรื่องโอเพนซอร์ส เร็กเซนต์ละเอียด Gemma ที่ปล่อยให้โมเดลที่ทรงพลังสามารถทำงานบนอุปกรณ์ภายใน เธอเห็นอย่างไร ว่า AI จะกลายเป็นสิ่งที่ผู้ใช้ควบคุมเองและไม่ได้อยู่ในระบบลมฟ้า นี้จะเปลี่ยนแปลงใครสามารถใช้โมเดลเหล่านี้ในการสร้างผลิตภัณฑ์หรือไม่

Demis Hassabis：เราเป็นผู้สนับสนุนการเปิดเผยและวิทยาศาสตร์ที่เปิดเผย คุณกล่าวถึง AlphaFold เราเปิดเผยอย่างมีครบทั้งหมด เรายังคงการผลงานวิทยาศาสตร์ของเราตีพิมพ์จนถึงปัจจุบัน ส่วน Gemma เราต้องการที่จะสร้างโมเดลที่เป็นเลิศของโลกสำหรับระดับเทียบเท่า จนถึงตอนนี้มีผู้ดาวน์โหลด Gemma อย่าง 40 ล้านครั้ง และผ่านไปเพียงสองสัปดาห์ครึ่ง

ฉันเชื่อว่าการมีเทคโนโลยีของฝั่งตะวันตกในขอบเขตการเปิดเผยเป็นสิ่งที่สำคัญ โมเดลเปิดของจีนมีคุณภาพมาก ณ ปัจจุบันเป็นผู้นำในสาขาศาสตร์ที่เปิด Source Gemma ในระดับเทียมากที่สุดในทำนองเดียว

สำหรับเราปัญหาระดับทรัพยากรยังมีอีก เราไม่มีบุคคลใดมีความสามารถของอำนาจประจำภาพเหมือนว่าทำสองโมเดลของตัวเองทั้งเส้นที่สนามหน้าอุปกรณ์อย่าง Android แว่นสายตา หุ่นยนต์ เป็นที่ดีที่สุดเพราะในแต่ละครั้งที่นำเสนอออกไปสู่อุปกรณ์พวกนั้นก็จะเปิดเผยตนเองเองเลยไม่ออกค่านี้เราได้ปรับเป็นแนวนโยบายการเปิดความเป็นเป็นเอกภาพ ที่มีเหตุกาณ์นี้พูดแค่นี้ก็ยังมีสมควรทางกลยุทธรทางชักนำ

Gary Tan：ก่อนที่ฉันจะขึ้นแสดงกับคุณฉันได้สาธิตให้คุณเห็นระบบปฏิบัติบนเอไอที่ฉันได้สร้างขึ้นฉันสามารถสื่อสารกับจีมินาด้ตั้งแต่ต้นฉันรู้สึกตื่นตระหนกมากระวนกระวาย แต่การตกเป็นที่พร้อมทำกับมันจบสามสิ่งมีได้เท่าเสียทุจริต ว่า จีมินีมีการสร้างเทคนิคการใช้ลายเสียงโดยตรงไปสู่โมเดล ในขอบขวางและความเข้าใจบริบูร

Demis Hassabis：Isomorphic Labs ก้าวไปข้างหน้าอย่างดีมากครับ โปรแกรม AlphaFold เป็นเพียงขั้นตอนหนึ่งในกระบวนการค้นพบยา ที่เรากำลังทำงานในด้านชีวเคมีที่ส่งเสริมและการออกแบบสารที่มีคุณสมบัติที่ถูกต้อง มีการประกาศสำคัญเร็วๆ นี้ครับ

เป้าหมายสุดท้ายของเราคือการสร้างเซลล์เสมือน หรืออีกชื่อหนึ่งคือผู้จำลองเซลล์ ซึ่งเป็นเซลล์แบบเสมือนที่คุณสามารถปรับการหลอมได้ และมีผลลัพธ์ที่มีประโยชน์ คุณสามารถข้ามขั้นตอนการค้นหามากมาย สร้างข้อมูลสังเคราะห์จำนวนมากเพื่อฝึกโมเดลอื่น ๆ เพื่อทำนายพฤติกรรมของเซลล์จริง

ฉันประมาณว่าจะใช้เวลาอีกประมาณสิบปีจนถึงเซลล์เสมือนที่สมบูรณ์ เรากำลังรับฟังข้อมูลจากดีพไมนด์ ด้านวิทยาศาสตร์ เริ่มต้นจากการจำลองให้ดีขอน ในเส้นทางที่กำลังพัฒนา เพราะเซลล์นิวเคลียสมีระบบเป็นตัวของตนเอง ประเด็นสำคัญของปัญหาประเภทนี้คือว่า สามารถสร้างชิ้นตัดที่ซับซ้อนพอดี มีความสมบูรณ์พอสมควร คุณสามารถประมาณป้อนและผลลัพธ์ของมันได้อย่างเหมาะสม จากนั้นโฟกัสที่ระบบย่อยนั้น เซลล์นิวเคลียสจากมุมมองที่ดี

ปัญหาอีกอย่างคือข้อมูลไม่เพียงพอ ฉันได้หาคุยกับนักวิทยาศาสตร์ชั้นนำที่ทำงานด้านอิเล็กตรอนไมโครสโคป และเทคโนโลยีการภาพถ่ายสมอง หากสามารถภาพถ่ายเซลล์ที่มีชีวิตโดยไม่ทำลายมัน นั่นจะเป็นสิ่งที่น่าตื่นเตื่น เนื่องจากงั้นที่จะสามารถแปลงมันเป็นตัวของปัญหาทางการมองเห็น ซึ่งปัญหาการมองเห็นนี้เราทราบวิธีการแก้ไข

แต่จากที่ฉันทราบ ยังไม่มีเทคโนโลยีที่สามารถภาพถ่ายเซลล์ได้ไมโครแบบในระดับนาโนเมตร โดยที่เซลล์ยังมีชีวิตและเป็นเส้นชัดเหมือนก่อน คุณสามารถถ่ายภาพถ่ายนาโนเมตรในแบบภาพคงที่ได้แขนงั้นดีมากแล้ว แต่ยังไม่เพียงพอที่จะแปลงเป็นปัญหาการมองเห็นโดยตรง

ดังนั้นมีสองเส้นทางคือ วางแผนแบบดุรุนร้อนทางฮาร์ดแวร์ พร้อมและขับเคลื่อนข้อมูล หรือสร้างโมดูลทางเรียนรู้ที่ดีขึ้นเพื่อจำลองระบบไฟนามิกนี้

Gary Tan：คุณไม่ได้สนใจเฉพาะด้านชีววิทยา ท่านชักจัยในสิ่งวิวัฒนาการ การค้นพบยา การจำลองภูมิอบรม การประมวลผลทางธรณีวิทยา และคณิตศาสตร์ หากต้องดำรงลำดับ ในอนาคตห้าปีหลังจากนี้ฆ่อ่านยกว่างานวิจัย ใดในวิชาการจะถูกพัฒนาอย่างสำคัญที่สุดที่สุด

Demis Hassabis：ทุกสาขาทำให้เราตื่นเต้นทุกอย่าง นี่ก็เป็นเหตุผลที่เหตุและหลังที่ทำให้เป็นอะไรที่หทีกใวมหดความสุขที่สุดของฉัน และเป็นเหตุผลที่ทำให้ฉันทำงานด้าน AI มาเป็นเวลาเกือบ 30 ปี ฉันเชื่อว่า AI จะเป็นเครื่องมือสุดยอดของวิทยาศาสตร์ ที่ใช้ในการขับเคลื่อนการเข้าใจวิทยาศาสตร์ การค้นพบเชิงวิทยาศาสตร์ การแพทยศาสตร์และความเข้าใจของเราเกี่ยวกับจักรวาล

วิธีการของเราในการอภกระเบียนคือ 2 ขั้นตอน ขั้นตอนแรก แก้ปัญหาด้านความฉลาดเท่านั้น หรือสร้างเอจีไอ ขั้นตอนที่สอง นำมันไปแก้ปัญหาอื่น ๆ ไม่พ้จําเป็นต้องปรับเพราะบางคนอาจถามว่า「คุณคือแท้จริงกำลังพูดถึงการใช้แก้ปัญหาทั้งหมดใช่หรอ」

เราแท้จริงก็หมายถึงนั้นครับ/ค่ะ ตอนนี้ทุกคนเริ่มเข้าใจว่านั้นหมายถึงอะไรแล้ว โดยเฉพาะฉันหมายถึงการแก้ปัญหาใน lสาขาวิทยาศาสตร์ ที่ฉันเรียกว่า "ปัญหาราก" ซึ่งเป็นสาขาที่เมื่อทะลุผ่านไปจะปลดล็อคสาขการค้นพบที่สำคัญออกมาได้ แอลฟาโฟลด์เป็นต้นแบบของสิ่งที่เราต้องการทำ

มีนักวิจัยกว่าสามล้านคนทั่วโลก แทบทุกนักวิจัยชีววิทยาปัจจุบันกำลังใช้ Alphafold ฉันได้ยินมาจากเพื่อนๆ บรรณาธิการในบริษัทเภสัชกรรมว่าในอนาคต ยาทุกชนิดที่ค้นพบใหม่ๆ จะใช้ Alphafold ในขั้นตอนหนึ่งของกระบวนการค้นพบยา เราภาคตัวในเรื่องนี้และเป็นสิ่งที่เราหวังว่า AI จะสร้างผลกระทบแบบนั้น แต่ฉันมองว่านั้นเพียงเริ่มต้นเท่านั้น

ฉันไม่คิดออกว่ามีสาขาวิทยาศาสตร์หรือวิศวกรรมใดๆ ที่ AI จะไม่ช่วยได้ สาขาเหล่านั้นที่คุณกล่าวถึงคิดว่าอยู่ใน "ช่วงเวลาของ AlphaFold ระดับ 1" ผลลัพธ์ต่อมาแทบจะมีโอกาส แต่ยังไม่สามารถปกป้องความท้าทายใหญ่ในสาขานั้น ในอีกสองปีข้างหน้า เราจะพูดถึงความคืบหน้ามากมายในทุกๆ สาขาเหล่านี้ ตั้งแต่วิทยาศาสตร์วัสดุไปจนถึงคณิตศาสตร์

Gary Tan: รู้สึกเหมือนกับการขึ้นชื่อเสียงใหม่สำหรับมนุษยชาติ

Demis Hassabis: ถูกต้อง แน่นอน แต่เช่นเรื่องมีความหมายของเรื่องของปราสาทบรอนเส์เช่นกัน เราต้องระวังเรื่องที่ความสามารถนี้ถูกใช้ไปที่ไหน เข้าไปในหน้าที่ใด และมีความเสี่ยงที่อาจจะถูกใช้ผิดให้เข้าใจว่า

ประสบการณ์การประสบความสำเร็จ

Gary Tan: ในห้องนี้มีผู้คนหลายคนกำลังพยายามสร้างบริษัทที่ใช้ AI ในวิทยาศาสตร์ ในดวงของคุณ ความแตกต่างระหว่าง บริษัทเริ่มต้นที่ผลักดันไปด้านหน้าและบริษัท ที่แค่ใส่ชั้นผลักดันบนโมเดลพื้นฐานแล้วอ้างว่า "AI for Science" อย่างไร

Demis Hassabis: ฉันกำลังคิดถ้าวันนี้ฉันนั่งอยู่ในที่คุณ ดูโปรเจ็คใน Y Combinator ฉันจะแก้ไขเป็นอย่างไร อย่างหนึ่งคือคุณต้องการทำนายแนวโน้มของเทคโนโลยี AI อันนี้เป็นเรื่องยาก เองแต่ฉันคิดเชื่อว่าทางที่ดีคือการรวมแนวโน้มของ AI และความร่วมมือกับอีกสาขาทางลึกอีกอย่างอันแท้จริง โอกาสหลักโฟกัสของประเด็น ที่จะจะยากดิบจริงๆไม่มีทางลัดในอนาคตที่สามารถคาดเดาได้ สาขาเหล่านี้ไม่กล่าวว่า กลางกลางสาขานี้ไม่จะถูกบดบังด้วยการอัพเดตของโมเดลพื้นฐานถัดไป แต่หากคุณต้องการมองหาทิศทางที่สมบูรณ์ นี้เป็นสิ่งที่ฉันจะแนะนำ

ฉันเคยชอบเทคโนโลยีลึกลับอันนี้มากค่ะ สิ่งที่แท้จริงและมีคุณค่ามั่นคงนั้นไม่มีอะไรที่ง่ายๆ ฉันเสมอถูกดึงดูดโดยเทคโนโลยีลึกลับ ในปี 2010 เมื่อเราเริ่มต้นมี AI คือเทคโนโลยีลึกลับ — นักลงทุนบอกฉันว่า “เรารู้อยู่แล้วว่าสิ่งนี้ไม่ทำงาน” วงการวิชาการก็คิดว่าเป็นทิศทางเล็กๆ ที่ลออกมาลองในยุค 90

แต่หากคุณมีความเชื่อในความคิดของตนเอง — ว่าทำไมครั้งนี้แตกต่างกัน พวกคุณมีพื้นฐานที่ไม่เหมือนใคร — ในที่สุดคุณเองเป็นผู้เชี่ยวชาญในด้านการเรียนรู้ของเครื่องและการใช้งาน หรือคุณสามารถสร้างทีมผู้ก่อตั้งที่เชี่ยวชาญด้านนี้ — มันจึงมีอิทธิพลและมูลค่าที่ยิ่งใหญ่

Gary Tan: ข้อมูลนี้สำคัญมากค่ะ สิ่งหนึ่งมันดูเชิงในทำได้หลังจากที่มันเสร็จสมบูรณ์ แต่ก่อนที่มันจะเสร็จสมบูรณ์ทุกคนก็เป็นฝ่ายค้างคาวใครๆ

Demis Hassabis: แน่นอน ดังนั้นคุณต้องทำสิ่งที่คุณกระตือรือร้นจริงๆ สำหรับฉัน ไม่ว่าจะเกิดอะไรขึ้นฉันก็จะทำ AI ตั้งแต่ฉันยังเล็กอยู่ ฉันก็ตัดสินใจว่าเป็นสิ่งที่มีอิทธิพลมากที่สุดที่ฉันสามารถคิดได้ ความเป็นจริงก็ยืนยันสิ่งนั้น แต่ก็อาจจะไม่เป็นหรือว่าเป็นไปได้เพียง 50 ปีก่อน

นอกจากนี้มันก็เป็นสิ่งที่ฉันคิดว่าสนุกที่สุดได้คิดโจทย์ ถึงวันนี้เรายังนั่งอยู่ในคลังรถยนต์ขนาดเล็ก ๆ และที่ AI ยังไม่สร้างมาเกิน แต่ฉันก็ยังคงพยายามทำต่อไป แม้ว่าฉันจะกลับไปสู่วงการวิชาการ แต่ฉันจะหาทางที่จะทำต่อไป

Gary Tan: AlphaFold ถือว่าเป็นตัวอย่างของการตามหาและเดาถูกทิศทางของคุณมา อะไรทำให้มีการบุกเบิกแบบ AlphaFold ในสาขาวิทยาศาสตร์? มีรูปแบบอะไรบ้าง เช่น ฟังก์ชันเป้าหมายบางอย่าง?

Demis Hassabis: ฉันควรจะหยิบเวลาไว้เขียนเรื่องนี้ จากประสบการณ์ที่ฉันได้เรียนรู้มาจากโครงการ Alpha ทั้งหมดเช่น AlphaGo และ AlphaFold คือ เทคโนโลยีที่มีอยู่ในปัจจุบันของเราทำงานดีที่สุดในเงื่อนไขดังต่อไปนี้

เงื่อนไขแรก ปัญหามีพื้นที่การค้นหาโดยรวมอย่างมโดยทั่วไป ยิ่งใหญ่ยิ่งดี ใหญ่เกินไปจนไม่มีวิธีการของหยั่งที่สามารถแก้ไขได้ การเล่นวอลเลย์ในเกมโปรดและพื้นที่สตรักเจอร์ของโปรตีนก็เยอะกว่าจำนวนอะตอมในจักรวาลแล้ว โครงการที่สองคุณสามารถกำหนดฟังก์ชันเป้าหมายอย่างชัดเจน เช่น การลดพลวัตของโปรตีนหรือการชนะในเกมเวท ซึ่งทำให้ระบบสามารถทำการกระตุ้น และเงื่อนไขที่สาม ที่มีข้อมูลเพียงพอ หรือมีตัวจำลองสามารถสร้างข้อมูลจำนวนมากในช่วงที่กำหนดได้ อย่างเช่น การค้นหาข้อมูลของโปรเตีนภายในคลับที่สมมติได้

ถ้าเงื่อนไขทั้ง 3 ที่ชัดเจนได้รับการดำเนิน การวิเคราะห์ในปัจจุบันจะเดินได้ไกลมาก และกล่าวได้ว่าเข้าหาเขตได้ตามที่คุณต้องการ และหาได้ในวงที่ “เหสีในสลัว” การค้นความสามัคคีก็เช่นกัน โครงการประดิษฐ์ยาก็เกิดขึ้นในโลกเดียวกัน: ตัวตั้งมีสารเคมีบางอย่างที่สามารถแก้ไขโรคนี้โดยมวลดี และไม่ต้องถึงขั้นมีผลข้างเคียง ขอแค่กฎของฟิสิกส์สามารถให้ความได้หลายก็ฉะนั้นปัญหาเดียวกันก็คือว่ามันเอาหนาอย่างไหละกหารหาตัวนั้นประสานได้อย่างไรเที่ยว ฉันคิดว่า คราวต่อมาของ AlphaFold ข้อแรกเป็นระบบแรกแถวที่หาร คุณสามารถพอทันลากวางได้แล้วจึงไปหาตัวนั้

Gary Tan: ผมอยากเลื่อนระดับหนึ่ง เรากำลังพูดถึงมนุษย์ที่ใช้วิธีเหล่านี้สร้าง AlphaFold แต่ยังมีมิติอีกชั้นหนึ่ง มนุษย์ใช้ AI ไปสำรวจพื้นที่สมมติที่เป็นไปได้ เราจะได้เห็นระบบ AI ทำการคิดแบบวิทยาศาสตร์จริง ๆ (ไม่ใช่แค่การจับคู่รูปแบบข้อมูล) เร็วมากไหม?

Demis Hassabis: ผมคิดว่าใกล้มากแล้ว เรากำลังทำระบบประเภทนี้ เรามีระบบทั่วไปที่เรียกว่า AI co-scientist และอัลกอริทึมอย่าง AlphaEvolve ที่สามารถทำบางอย่างได้ล้ำช้ากว่า Gemini ฐาน ทุกห้องปฏิบัติการอยู่ในกระบวนการสำรวจทิศทางนี้

แต่จนถึงขณะนี้ ส่วนตัวผมยังไม่เคยเห็นค้นพบทางด้านวิทยาศาสตร์ที่สำคัญจริง ๆ ที่เกิดจากระบบเหล่านี้ ผมคิดว่ามันเร็วมาก มันอาจเกี่ยวกับความสามารถในการสร้างสรรค์ที่เราพูดถึงก่อนหน้านี้ การข้ามขอบเขตที่รู้จัก ระดับนั้น มันไม่ใช่แค่การจับคู่รูปแบบยังไง เพราะที่นี้ไม่มีข้อมูลแบบนั้น. มันไม่ได้แค่เราคิดออกมา แต่เป็นการคิดแบบอนาโลจิกอาจารย์ ผมคิดว่าระบบเหล่านี้ยังไม่พร้อม หรือว่าเรายังไม่ได้ใช้มันอย่างถูกวิธี

สิ่งที่ผมชอบพูดมากในวงการวิทยาศาสตร์คือ มันสามารถสร้างสมมติฐานที่น่าสนใจแท้จริงได้ ไม่ใช่แค่การยืนยันมันของตนเอง การยืนยันสมมติฐานของตนเองอาจเป็นเหตุให้ตำนานเพลิงแตก เช่น การพิสูจน์ข้อสมมติของไรแมน หรือการแก้ปัญหารางวัลพันทิไข่ไก่ อาจเป็นเพียงภารกิจหนึ่งของปีนี้

แต่ความยากมีอีกต่อไป คือ พร้อมสร้างเซ็ตของ ปีนี้ของรางวัลพันทิไข่ไก่ และเป็นสิ่งที่นักคณิตศาสตร์ประจำชายักษ์พิธีอุปนิสัย ผมคิดว่ามันยากขึ้นอีกที เรายังไม่รู้ว่าจะสร้างอย่างไร แต่ผมไม่คิดว่ามันเป็นเวทมนตร์ ผมเชื่อว่าระบบเหล่านี้สามารถทำได้ หรือยังเข้าไปรอดีก่อน สองอย่างโดน.

วิธีที่เราสามรถใช้ตรวจสอบมันแก่มัน คือ ฉันบ่นมันบางครั้งว่า ฉันเรียกมันว่าการทดสอบของออกีแมน คือคุณสามารถใช้ความรู้ที่เกิดในปี 1901 ทำการฝึกระบบหนึง แล้วทำให้มันค้นหาบางอย่างออกมาตามตนเอง ทั้งหมดที่ออกีนจิน ระบบนั้นเกินไหม พวกในระเบี่ยง เกิน.! ถ้าถึงจุดนั้น ระบบเหล่านี้กุญเหมาจีไปจย้.

คำแนะนำทางธุรกิจ

Gary Tan: คำถามสุดท้าย ในห้องนี้มีคนหลากหลายทีเกี่ยวกับเทคโนโภชน์ลึกลงมาก คุณต้องการทำสิ่งเหล่านี้ในระดับต่ำข้าม คงทีเป็นหนึง ใจกรับสุขาภิปะห้องวิจัย AI อันเป็นหลายฟ้าในโลก คุณสามารถบอกอะไรออกไปไป ของ AGI

เดมิส แฮซซาบิส：จริง ๆ แล้วเราได้พูดถึงส่วนหนึ่งแล้ว คุณจะพบว่าการตามหาปัญหาที่ยากและปัญหาที่ง่ายจริง ๆ มีความยากเท่ากัน แค่วิธีที่ยากกว่ากันเท่านั้น สิ่งที่แตกต่างก็จะมีความยากต่าง ๆ แต่ชีวิตมนุษย์สั้นเกินไป พลังงานจำกัด ดังนั้น ไม่เท่ากับการลงพลังงานของคุณในสิ่งที่ถ้าคุณไม่ทำก็จริง ๆ ไม่มีใครทำ ใช้มาตรฐานนี้ในการเลือก

อีกอย่างหนึ่ง ฉันคิดว่าในปีหน้า ๆ ความสามัคคีข้ามสาขาจะกลายเป็นสิ่งที่ทั่วไปมากขึ้น AI จะทำให้ความสามัคคีข้ามสาขาเป็นเรื่องง่ายขึ้น

สุดท้ายอยู่ที่ไทม์ไลน์ของ AGI ของคุณ ฉันของประมาณปี 2030 ถ้าคุณเริ่มโครเจ็กต์เทคโนโลยีลึกๆ วันนี้ โดยทั่วไปจะหมายถึงการเดินทางเป็นระยะเวลา 10 ปี ดังนั้นคุณต้องนำเรื่องของ AGI ที่อาจเกิดขึ้นกลางทางมานำเข้าในการวางแผน สิ่งนี้หมายความว่าอะไร? ไม่จำเป็นต้องเป็นสิ่งที่แย่ แต่คุณต้องคำนึงถึงมัน โครเจ็กต์ของคุณสามารถใช้ AGI ได้หรือไม่? ระบบ AGI จะมีปฏิสัมพันธ์กับโครเจ็กต์ของคุณอย่างไร?

กลับไปที่เรื่องก่อนหน้าที่พูดถึงความสัมพันธ์ระหว่าง AlphaFold และระบบ AI ส่วนรวม ฉันสามารถคาดเดาสถานการณ์หนึ่งคือ ระบบ Gemini, Claude หรือระบบทั่วไปที่คล้ายกันจะใช้ระบบ AlphaFold แบบนี้เป็นเครื่องมือในการเรียกใช้งาน ฉันไม่คิดว่าเราจะใส่ทุก ๆ อย่างลงในระบบเดียว

ลิงก์วิดีโอต้นฉบับ

ยินดีต้อนรับสู่ชุมชนทางการของ BlockBeats:

กลุ่ม Telegram สมัครสมาชิก: https://t.me/theblockbeats

กลุ่ม Telegram พูดคุย: https://t.me/BlockBeats_App

บัญชี Twitter ทางการ: https://twitter.com/BlockBeatsAsia