(Nikolaus Skene)
Μερικές φορές έχετε όρεξη για ένα λευκό κρασί.
Μερικές φορές για ένα κόκκινο.
Και μετά την άθληση, μια μπίρα είναι επίσης κάτι εξαιρετικό.
Κανείς δεν θα σκεφτόταν να παραγγείλει εκείνη ακριβώς τη στιγμή τα πάντα ταυτόχρονα.
Κανένας σομελιέ στον κόσμο δεν θα έλεγε: «Κανένα πρόβλημα, θα σας φέρω λευκό κρασί, κόκκινο κρασί, μπίρα, μια μπριζόλα, μια πετσέτα, ένα μασάζ, ένα τηλεφώνημα με τη μητέρα σας και, για καλό και για κακό, ένα ταξίδι για σκι.»
Ο εγκέφαλός μας είναι σαφώς πιο αποδοτικός σε αυτό.
Αποφασίζει ανάλογα με το πλαίσιο. Ανάλογα με την περίσταση. Εξοικονομώντας ενέργεια.
Ενεργοποιεί μόνο εκείνες τις περιοχές που είναι χρήσιμες εκείνη τη στιγμή. Οι υπόλοιπες παραμένουν «ήσυχες».
Και ακριβώς εδώ βρίσκεται μια συχνά παραβλεπόμενη διαφορά μεταξύ της ανθρώπινης και της σημερινής τεχνητής νοημοσύνης.
Και τώρα μπαίνει στο παιχνίδι το ChatGPT.
Το ChatGPT λειτουργεί στον πυρήνα του διαφορετικά.
Ανεξάρτητα από το τι έχετε όρεξη αυτή τη στιγμή – τα ρωτάει πάντα όλα.
Όχι μόνο τη μπίρα μετά την άθληση, αλλά ταυτόχρονα τη μπίρα, το λευκό κρασί, το κόκκινο κρασί, τη μπριζόλα, τη συνταγή, την αλυσίδα εφοδιασμού, το ισοζύγιο CO₂, την οινοπαραγωγική περιοχή, το άθλημα και τη φιλοσοφική σημασία της δίψας.
Ο λόγος που δεν το αντιλαμβανόμαστε:
Συμβαίνει εξαιρετικά γρήγορα.
Οι άχρηστες «περιοχές» αποκλείονται μέσα σε χιλιοστά του δευτερολέπτου και στο τέλος προκύπτει μια αρκετά λογική απάντηση. Όμως η υπολογιστική προσπάθεια που απαιτείται στο παρασκήνιο είναι τεράστια.
Ο ανθρώπινος εγκέφαλος θα κατακλυζόταν εντελώς σε αυτή τη μορφή.
Και ακριβώς γι’ αυτό η κατανάλωση ηλεκτρικής ενέργειας των σημερινών συστημάτων τεχνητής νοημοσύνης αποτελεί σοβαρό σημείο κριτικής.
Το DeepSeek προχωρά ήδη ένα βήμα παραπέρα.
Προσπαθεί να «ενεργοποιεί» πιο στοχευμένα διαφορετικά μέρη του μοντέλου, ανάλογα με το τι είναι πιθανό να έχει σημασία εκείνη τη στιγμή. Όχι τα πάντα, πάντα, ταυτόχρονα. Αλλά πιο επιλεκτικά. Με μεγαλύτερη ευαισθησία στο πλαίσιο.
Και μετά έρχεται το HuggingGPT.
Το HuggingGPT δεν είναι ένα νέο μοντέλο.
Είναι μια αρχιτεκτονική ιδέα.
Η βασική ιδέα:
Ένα μεγάλο γλωσσικό μοντέλο όπως το ChatGPT δεν χρησιμοποιείται πλέον ως πολυμαθής παντογνώστης, αλλά ως ελεγκτής. Ως μαέστρος. Ως σχεδιαστής.
Ακούει τον χρήστη, κατανοεί την πρόθεση – και στη συνέχεια τη διασπά σε συγκεκριμένες επιμέρους εργασίες.
Αυτές οι επιμέρους εργασίες δεν επιλύονται από το ίδιο μοντέλο, αλλά ανατίθενται στοχευμένα σε ειδικούς μοντέλα εικόνας, μοντέλα ήχου, ταξινομητές, συστήματα μετατροπής κειμένου σε ομιλία, αναγνώριση αντικειμένων, τμηματοποίηση. Όλα μοντέλα που ήδη υπάρχουν, για παράδειγμα στο οικοσύστημα του Hugging Face.
Καθοριστικό εδώ δεν είναι μόνο τι γίνεται, αλλά με ποια σειρά.
Το HuggingGPT σχεδιάζει τις εξαρτήσεις.
Ορισμένες εργασίες πρέπει να εκτελεστούν σειριακά, ενώ άλλες μπορούν να εκτελεστούν παράλληλα. Τα αποτελέσματα ενός μοντέλου χρησιμοποιούνται ως είσοδος για το επόμενο. Μόνο στο τέλος ο ελεγκτής συγκεντρώνει ξανά τα πάντα και διατυπώνει μια απάντηση.
Ένα απλό αίτημα όπως «Περιέγραψε λεπτομερώς αυτή την εικόνα» διασπάται αυτόματα σε ταξινόμηση εικόνας, αναγνώριση αντικειμένων, τμηματοποίηση, δημιουργία λεζάντας και μοντέλα οπτικής ερώτησης-απάντησης – και μόνο τότε συνδυάζεται σε ένα σύνολο.
Αυτό δεν είναι νέα νοημοσύνη.
Αλλά είναι ένας διαφορετικός τρόπος να εργάζεται κανείς έξυπνα.
Και εδώ το HuggingGPT γίνεται πραγματικά ενδιαφέρον:
Το σύστημα δεν κλιμακώνεται μέσω ολοένα μεγαλύτερων μοντέλων, αλλά μέσω συντονισμού. Μέσω επιλογής. Μέσω καταμερισμού εργασίας. Μέσω πλαισίου.
Ξαφνικά η τεχνητή νοημοσύνη δεν μοιάζει πλέον με έναν καταβεβλημένο πολυμήχανο φοιτητή που πρέπει να τα κάνει όλα ταυτόχρονα, αλλά με μια καλά οργανωμένη ομάδα.
Ακόμη «τρίζει» σε κάποια σημεία: υψηλότερη καθυστέρηση, εξάρτηση από την ικανότητα σχεδιασμού του ελεγκτή, όρια token, αστάθειες. Το HuggingGPT δεν είναι έτοιμο προϊόν. Είναι ένα μοντέλο σκέψης.
Αλλά ένα μοντέλο που δείχνει προς μια σημαντική κατεύθυνση:
Μακριά από το «μεγαλύτερο, γρηγορότερο, όλα ταυτόχρονα».
Προς το «σωστό, επιλεκτικό, αποδοτικό».
Και έτσι επιστρέφουμε στην κατανάλωση ηλεκτρικής ενέργειας. Μία από τις δικαιολογημένες βασικές κριτικές για τη σημερινή τεχνητή νοημοσύνη είναι η ενεργειακή της βουλιμία. Αν η νοημοσύνη δεν προκύπτει πλέον από τον μέγιστο παραλληλισμό, αλλά από τη στοχευμένη ενορχήστρωση, ίσως πλησιάζουμε έναν αποδοτικότερο τρόπο μηχανικής σκέψης.
Το τι σημαίνει αυτό μακροπρόθεσμα – και για την ανθρώπινη εργασία, την ανθρώπινη νοημοσύνη και την ανθρώπινη συνάφεια – είναι μια άλλη συζήτηση.
Για ένα άλλο Σάββατο.
Σήμερα αρκεί μια παρατήρηση:
Χρειάζεται να υπάρχει ξανά περισσότερο g’huggt.
Όχι όλα ταυτόχρονα.
Αλλά το σωστό, τη σωστή στιγμή.
(Ο Nikolaus Skene ζει και εργάζεται στο Σαν Φρανσίσκο, συμβουλεύει επιχειρήσεις σε θέματα τεχνητής νοημοσύνης και διοργανώνει εδώ και αρκετά χρόνια περιηγήσεις στη Silicon Valley και σε άλλα Hot-Spots της τεχνολογικής ανάπτυξης