Μια startup τεχνητής νοημοσύνης με το όνομα Pathway ισχυρίζεται ότι βρίσκεται ένα βήμα πιο κοντά στην Τεχνητή Γενική Νοημοσύνη (AGI). Οι ερευνητές της εταιρείας παρουσίασαν το Dragon Hatchling, μια νέα αρχιτεκτονική AI που, όπως υποστηρίζουν, μιμείται τον τρόπο με τον οποίο λειτουργούν οι νευρώνες του ανθρώπινου εγκεφάλου, προσαρμόζοντας δυναμικά τις συνδέσεις της με βάση την εμπειρία και τη νέα γνώση.
Η ερευνητική ομάδα περιγράφει το Dragon Hatchling ως το πρώτο μοντέλο που μπορεί να «γενικεύει με τον χρόνο», δηλαδή να αναπροσαρμόζει το εσωτερικό του δίκτυο καθώς εκτίθεται σε καινούρια δεδομένα. Σε αντίθεση με τα παραδοσιακά μεγάλα γλωσσικά μοντέλα (LLMs), που παραμένουν στατικά μετά την εκπαίδευση, το Dragon Hatchling συνεχίζει να μαθαίνει. Αν τα αποτελέσματα επιβεβαιωθούν, μιλάμε για μια ριζική μετατόπιση στον τρόπο που αντιλαμβανόμαστε τη μάθηση των μηχανών.
Τα περισσότερα σημερινά LLMs, όπως το ChatGPT, το Gemini και το Claude, βασίζονται σε αρχιτεκτονικές τύπου transformer. Αυτά τα συστήματα είναι εξαιρετικά στην ανάλυση και κατανόηση της σχέσης μεταξύ λέξεων και εννοιών, επιτρέποντας στις μηχανές να συνομιλούν με τρόπο που θυμίζει ανθρώπινη σκέψη. Ωστόσο, έχουν έναν ουσιαστικό περιορισμό: δεν μπορούν να μαθαίνουν συνεχώς.
Όπως εξηγεί ο Adrian Kosowski, συνιδρυτής και Chief Scientific Officer της Pathway, «οι σημερινές μηχανές δεν γενικεύουν τη λογική τους όπως ο άνθρωπος. Αναγνωρίζουν μοτίβα, αλλά δυσκολεύονται να επεκτείνουν τη σκέψη τους σε νέες, πιο σύνθετες αλληλουχίες». Σύμφωνα με τον ίδιο, το Dragon Hatchling επιχειρεί να λύσει ακριβώς αυτό το πρόβλημα, εισάγοντας μια αρχιτεκτονική που αναδιοργανώνεται «ζωντανά», σε πραγματικό χρόνο.
Σε αντίθεση με τους transformers, που επεξεργάζονται τα δεδομένα σε σειρές από στατικά επίπεδα, το Dragon Hatchling βασίζεται σε ένα δίκτυο από μικροσκοπικά «νευρωνικά σωματίδια». Αυτά επικοινωνούν μεταξύ τους διαρκώς, ενισχύοντας ή αποδυναμώνοντας τις συνδέσεις τους ανάλογα με την πληροφορία που δέχονται. Είναι σαν ένας ζωντανός ιστός που αναδιοργανώνεται, σχηματίζοντας νέες διαδρομές μάθησης καθώς προχωρά.
Αυτό σημαίνει ότι το Dragon Hatchling δεν περιορίζεται στο αρχικό του dataset. Αντί να απαντά απλώς με βάση όσα έχει ήδη «δει», μπορεί να προσαρμόζει τις εσωτερικές του δομές ώστε να αποτυπώνει νέα γνώση. Με τον καιρό, οι επαναλαμβανόμενες εμπειρίες ενισχύουν συγκεκριμένες συνδέσεις, δημιουργώντας ένα είδος βραχυπρόθεσμης μνήμης, όχι ως αποθηκευμένο context, αλλά ως δυναμική μεταβολή της αρχιτεκτονικής του ίδιου του συστήματος.
Η προσπάθεια να διδαχθεί μια μηχανή να «σκέφτεται» σαν άνθρωπος είναι μια από τις πιο δύσκολες και φιλόδοξες προκλήσεις στον χώρο της τεχνητής νοημοσύνης. Ο ανθρώπινος νους δεν λειτουργεί γραμμικά. Οι σκέψεις μας είναι ένα χαοτικό μείγμα από εικόνες, αισθήσεις, συναισθήματα και παρορμήσεις που αλληλεπιδρούν συνεχώς.
Για τις μηχανές, αυτή η μη γραμμική λογική είναι δύσκολο να αναπαραχθεί. Τα LLMs μέχρι σήμερα είναι εξαιρετικά στο να προβλέπουν την επόμενη λέξη ή φράση σε μια πρόταση, αλλά δεν διαθέτουν τη συνεχή προσαρμοστικότητα που χαρακτηρίζει τη βιολογική σκέψη. Το Dragon Hatchling επιχειρεί να γεφυρώσει αυτό το χάσμα. Εισάγει μια αρχιτεκτονική που μοιάζει περισσότερο με τον εγκέφαλο παρά με ένα κλασικό νευρωνικό δίκτυο, ένα σύστημα όπου η μάθηση δεν είναι απλώς επεξεργασία δεδομένων, αλλά αναδιαμόρφωση των ίδιων των δομών που τα ερμηνεύουν.
Οι ερευνητές της Pathway δημοσίευσαν τα πρώτα αποτελέσματά τους στο arXiv στις 30 Σεπτεμβρίου. Στα πειράματα, το Dragon Hatchling απέδωσε σε επίπεδα παρόμοια με το GPT-2 σε βασικές εργασίες γλωσσικής μοντελοποίησης και μετάφρασης, εντυπωσιακή επίδοση για ένα πρωτότυπο σύστημα που βρίσκεται ακόμα στα αρχικά του στάδια.
Αν και η μελέτη δεν έχει ακόμη περάσει από τη διαδικασία της αξιολόγησης από ομότιμους (peer review), οι δημιουργοί του Dragon Hatchling πιστεύουν ότι μπορεί να αποτελέσει θεμέλιο για μια νέα γενιά AI συστημάτων που μαθαίνουν και εξελίσσονται αυτόνομα. Θεωρητικά, κάτι τέτοιο θα μπορούσε να οδηγήσει σε μηχανές που γίνονται πιο «έξυπνες» όσο παραμένουν ενεργές, όπως ακριβώς και ο ανθρώπινος εγκέφαλος που βελτιώνεται μέσα από την εμπειρία.
Η ιδέα ενός AI που μαθαίνει συνεχώς έχει τεράστιες προοπτικές, αλλά και κινδύνους. Ένα σύστημα που προσαρμόζεται αυτόνομα ενδέχεται να αποκτήσει απρόβλεπτες συμπεριφορές, καθώς η ίδια του η «λογική» μεταβάλλεται. Το να μάθει ένα AI σύστημα να αλλάζει τον εαυτό του είναι ίσως το πιο φιλόδοξο (και ταυτόχρονα ανησυχητικό) βήμα προς την AGI.
Η Pathway παρουσιάζει το Dragon Hatchling ως ένα ασφαλές πρώτο πείραμα σε αυτήν την κατεύθυνση. Αν το εγχείρημα αποδώσει, θα μπορούσε να αποτελέσει το κρίσιμο ενδιάμεσο στάδιο ανάμεσα στα στατικά LLMs και τις πραγματικά γνωστικές μηχανές του μέλλοντος.
