Sekilas, sejumlah makalah penelitian terbaru yang dihasilkan oleh seorang kecerdasan buatan laboratorium di University of British Columbia di Vancouver mungkin tidak tampak begitu penting. Dengan menampilkan peningkatan bertahap pada algoritma dan ide yang ada, mereka seperti isi dari konferensi atau jurnal AI yang biasa-biasa saja.
Namun penelitian ini sebenarnya luar biasa. Itu karena sepenuhnya merupakan hasil kerja seorang “Ilmuwan AI” dikembangkan di laboratorium UBC bersama dengan para peneliti dari Universitas Oxford dan sebuah perusahaan rintisan bernama AI percakapan.
Itu proyek menunjukkan langkah awal menuju apa yang mungkin terbukti sebagai trik revolusioner: membiarkan AI belajar dengan menciptakan dan mengeksplorasi ide-ide baru. Saat ini, ide-ide tersebut belum terlalu baru. Beberapa makalah menjelaskan penyempurnaan untuk meningkatkan teknik pembuatan gambar yang dikenal sebagai pemodelan difusi; yang lain menguraikan pendekatan untuk mempercepat pembelajaran dalam jaringan saraf dalam.
“Ini bukan ide terobosan. Mereka tidak terlalu kreatif,” akunya Jeff Cluneprofesor yang memimpin lab UBC. “Namun, ide-ide tersebut tampaknya cukup menarik dan bisa dicoba oleh seseorang.”
Meskipun program AI saat ini luar biasa, program tersebut dibatasi oleh kebutuhan untuk menggunakan data pelatihan yang dihasilkan manusia. Jika program AI dapat belajar secara terbuka, dengan bereksperimen dan mengeksplorasi ide-ide yang “menarik”, program tersebut dapat membuka kemampuan yang melampaui apa pun yang telah ditunjukkan manusia kepada mereka.
Laboratorium Clune sebelumnya telah mengembangkan program AI yang dirancang untuk belajar dengan cara ini. Misalnya, satu program yang disebut Omni mencoba menghasilkan perilaku karakter virtual dalam beberapa lingkungan seperti gim video, menyimpan karakter yang tampak menarik lalu mengulanginya dengan desain baru. Program-program ini sebelumnya memerlukan instruksi berkode manual untuk menentukan hal yang menarik. Namun, model bahasa yang besar menyediakan cara agar program-program ini dapat mengidentifikasi apa yang paling menarik. proyek terbaru dari lab Clune menggunakan pendekatan ini untuk membiarkan program AI memimpikan kode yang memungkinkan karakter virtual melakukan segala macam hal dalam dunia seperti Roblox.
Ilmuwan AI adalah salah satu contoh lab Clune yang mengkaji kemungkinan-kemungkinan. Program ini menghasilkan eksperimen pembelajaran mesin, memutuskan apa yang tampaknya paling menjanjikan dengan bantuan LLM, lalu menulis dan menjalankan kode yang diperlukan—ulangi. Meskipun hasilnya kurang memuaskan, Clune mengatakan program pembelajaran terbuka, seperti halnya model bahasa itu sendiri, dapat menjadi jauh lebih mampu seiring dengan peningkatan daya komputer yang menyediakannya.
“Rasanya seperti menjelajahi benua baru atau planet baru,” kata Clune tentang kemungkinan yang dibuka oleh LLM. “Kami tidak tahu apa yang akan kami temukan, tetapi ke mana pun kami berpaling, ada sesuatu yang baru.”
Tom Harapanasisten profesor di Universitas Ibrani Yerusalem dan ilmuwan peneliti di Institut Allen untuk AI (AI2), mengatakan ilmuwan AI, seperti LLM, tampaknya sangat turunan dan tidak dapat dianggap andal. “Tidak ada komponen yang dapat dipercaya saat ini,” katanya.
Hope menunjukkan bahwa upaya untuk mengotomatiskan elemen-elemen penemuan ilmiah telah ada sejak beberapa dekade lalu hingga ke karya para pelopor AI. Allen Newell Dan Herbert Simon pada tahun 1970an, dan kemudian, karya Menepuk
Bahasa Indonesia: Langley di Institut Studi Pembelajaran dan Keahlian. Ia juga mencatat bahwa beberapa kelompok penelitian lain, termasuk tim di AI2, baru-baru ini memanfaatkan LLM untuk membantu menghasilkan hipotesis, menulis makalah, dan meninjau penelitian. “Mereka menangkap semangat zaman,” kata Hope tentang tim UBC. “Arahnya, tentu saja, sangat berharga, secara potensial.”
Apakah sistem berbasis LLM dapat menghasilkan ide-ide yang benar-benar baru atau inovatif juga masih belum jelas. “Itulah pertanyaan yang bernilai triliunan dolar,” kata Clune.
Bahkan tanpa terobosan ilmiah, pembelajaran terbuka mungkin penting untuk mengembangkan sistem AI yang lebih mampu dan berguna saat ini. Sebuah laporan diposting bulan ini oleh Air Street Capital, sebuah firma investasi, menyoroti potensi karya Clune untuk mengembangkan agen AI yang lebih kuat dan andal, atau program yang secara otonom melakukan tugas-tugas bermanfaat di komputer. Semua perusahaan AI besar tampaknya memandang agen sebagai hal besar berikutnya.
Minggu ini, laboratorium Clune mengungkapkan proyek pembelajaran terbuka terbarunya: Program AI yang menciptakan dan membangun agen AIAgen yang dirancang AI mengungguli agen yang dirancang manusia dalam beberapa tugas, seperti matematika dan pemahaman bacaan. Langkah selanjutnya adalah merancang cara untuk mencegah sistem tersebut menghasilkan agen yang berperilaku tidak semestinya. “Ini berpotensi berbahaya,” kata Clune tentang pekerjaan ini. “Kita perlu melakukannya dengan benar, tetapi saya pikir itu mungkin.”
