Ir dar – ji gali autonomiškai kurti kitas į save panašias būtybes. Galiausiai, įsivaizduokite ne vieną, o milijardą tokių kasdien už mus dirbančių „einšteinų“.
Lūžio taškas – jau mūsų kieme
Taip atrodo per artimiausius penkerius metus pasirodysiantis bendrojo dirbtinio intelekto agentų („Agentic AGI“) pasaulis.
Jau girdžiu skeptikus burbant: „Tam prireiks dešimtmečių, o gal tai apskritai niekada neįvyks. Pažiūrėkite į autonominį vairavimą, branduolių sintezę, vertikalų ūkininkavimą – tiek daug lūkesčių, tiek mažai rezultatų.“
Visgi dirbtinis intelektas jau nebėra hipotetinio lygio klausimas. Šiame komentare įvertinsiu „6 DI Raktus“ – eksponentiniam augimui privalomus kintamuosius – ir pamatysime, kad nenumaldomai artėjame prie lūžio taško, kuomet panašūs „einšteinai“ taps mūsų kasdienine realybe.
Aprėpti dirbtinio intelekto plitimą protų sudėtinga
Bet visų pirma būtina suprasti, ką reiškia eksponentinis augimas ir kodėl mums, žmonėms, taip sunku jį suvokti.
Geras tokio augimo pavyzdys buvo Covid pandemija, kai pradžioje buvo dešimt užsikrėtusiųjų, o jau po kelių mėnesių pritrūkome lovų ligoninėse, įkalinome gyventojus savo namuose, griebėmės už galvų. Nes užkratas plito nuolat ir laipsniškai, o pasekmes žmogus sunkiai galėjome suprasti, įvertinti bei tinkami tam pasiruošti.
Apžvelkime dvi eksponentinio augimo analogijas.
Įsivaizduokite, kad turite ploną popieriaus lapą, kurio storis vos 0,001 cm. Lapą perlenkę vieną kartą pasieksime 0,002 cm aukštį. Perlenkę dar kartą – 0,004 cm, o dešimt kartų – maždaug apie 1 cm aukštį. Jei toliau lankstytume tą patį popieriaus lapą pusiau (t.y. jo aukštį vis dvigubindami), kiek kartų reikėtų perlenkti, kad popierius pasiektų mėnulį? Tūkstantį? Milijardą?
Dauguma tikėjosi, kad DI modelių progresas sulėtės, bet realybė visai kita – nauji DI modeliai vis greičiau ir greičiau įveikia net ir pačius sudėtingiausius testus.
Ne, mėnulį pasieksime popierių perlenkę tik 42 kartus! Aš pats, pirmą kartą susidūręs su šia analogija, galvojau, kad įsivėlė kokia klaida, bet atsakymas yra teisingas. Dėl eksponentinio augimo galios tik 42 kartus perlenkę popieriaus lapą pasieksime mėnulį, o po 100 perlenkimų popierius pasieks tokį aukšti, kurio net nebegalėsime matuoti mums įprastais matais – 13 milijardų šviesmečių! Toks reiškinys atrodo labai įspūdingai, kai vedant paskaitas auditorijai pristatau vaizdo medžiagą. Čia esu priverstas aiškinti tik žodžiu.
Kitas pavyzdys. Tarkime, turime penicilino kultūrų kolbą, kur bakterijos pasidvigubina kas sekundę. Pradedame nuo vienos bakterijos ir paskaičiuojame, kad jai besidvigubinant, visai kolbai užpildyti prireiks lygiai keturių valandų. Pradėjus 8:00 ryto turėtume baigti lygiai 12:00.
Kaip manote, kokia dalis kolbos bus užpildyta likus penkioms sekundėms iki užsibrėžto laiko pabaigos? Tik 3 procentai. Didžiąją laiko dalį atrodys, kad nieko nevyksta ir tada tik vienas, du, trys, keturi, penki ir… viskas!
Šie du pavyzdžiai puikiai pademonstruoja eksponentinio augimo esmę: pradžioje viskas juda lėtai – beveik nepastebimai – tačiau tam tikru lūžio momentu progresas tampa nevaldomai greitas, o mums, žmonėms, tokias augimo projekcijas net sunku įsivaizduoti.
Dirbtinis intelektas (DI) yra technologija, turinti patį didžiausią eksponentinį daugiklį. Taigi po pramoninės revoliucijos sekęs technologinis progresas – palyginus su artimiausiu penkmečiu – atrodys kaip vaikų žaidimai.
Jau dabar lenkia žmogaus proto galią
Jau dabar net ir palyginti paprasti modeliai kaip GPT-4o ligų diagnostikos tikslumu lenkia gydytojus, o naujausi „o“ grupės modeliai – geriausius pasaulio mokslininkus, matematikus, programuotojus.
Dauguma tikėjosi, kad DI modelių progresas sulėtės, bet realybė visai kita – nauji DI modeliai vis greičiau ir greičiau įveikia net ir pačius sudėtingiausius testus („benchmarks“).
Štai GPQA mokslinių klausimų teste „o3“ DI modelis pasiekė 87.7 proc. tikslumą (mokslų daktarai – tik 65 proc.), o Facebook įkūrėjas Markas Zuckerbergas teigia, kad jau 2025-aisiais didžiąją dalį programavimo jo įmonėje atliks DI.
ARC-AGI loginio mąstymo testo sudarytojai prognozavo, kad DI prireiks daugybės metų jų testui įveikti… Rezultatas: dirbtinis intelektas jau dabar lenkia žmones ir atsako į 87.5 proc. klausimų teisingai (vidutinis žmogus pasiekia 64.2 proc. rezultatą).
Dešimtys kompanijų visame pasaulyje investuoja milijardus į robotų kūrimą.
Skeptikai mėgo akcentuoti, kad dėl limituoto duomenų kiekio ir abejotinos kokybės DI modelių progresas sustos, tačiau naujieji „mąstantys“ modeliai yra treniruojami kuriant sintetinius duomenis.
Taigi ir dar viena svarbi pesimistinė prognozė greitai krito.
Geba ir pats susirasti reikiamą informaciją
DI jau sugeba ne tik puikiai mąstyti, bet ir efektyviai panaudoti žmonijos sukauptas žinias, patirtis ir naujienas.
RAG (retrieval-augmented generation) technologijos, leidžiančios konvertuoti turinį į DI kalbą („embeddings“) ir sukurti specialiai DI skirtas žinių bibliotekas, sparčiai tobulėja ir vis daugiau turinio atsiduria tokiose bibliotekose.
Dirbtinio intelekto agentai naudojasi beveik begaline dirbtinio intelekto atmintimi („near-infinite memory“) ir paieškos funkcija, taigi turi priėjimą prie interneto ir pačio šviežiausio turinio.
Net ir tais atvejais, kai turinys nėra konvertuotas į DI draugišką „embeddings“ kalbą – DI tampa vis efektyvesnis pats išsitraukdamas aktualų kontekstą iš įvairių sistemų ir programų. Anthropic „Model Context Protocol (MCP)“ ir kitos panašios iniciatyvos šį progresą tik dar labiau spartina.
Per pastaruosius dvejus metus modelio „konteksto lango“ dydis, t. y. kiek informacijos vienu metu gali įsiminti DI, padidėjo 500 kartų!
Peržengę dar vieną ribą lėksime šuoliais
Dirbtinis intelektas jau kurį laiką sugeba ne tik suprasti vartotojo įvestis ir pateikti atsakymus, bet ir savarankiškai veikti, API ryšiais prisijungiant prie įvairiausių internetinių programų. Tokia prieiga yra paprasta ir efektyvi, tačiau iki šiol DI veikimo galimybės buvo ribojamos tik tomis API integracijomis, kurias mes, žmonės, prijungiame.
Visgi neseniai pasiekti proveržiai, susiję su vadinamuoju „Computer Use“ (kompiuterių naudojimu), dirbtiniam intelektui suteikia visišką veiksmų lankstumą: DI savarankiškai naršo internete ir naudojasi įvairiomis vartotojo sąsajomis („user interfaces“) bei programėlėmis.
Pasak Jasper Zhang, įmonės „HyperbolicAI“ vadovo, DI agentai jau dabar autonomiškai apsilanko jų platformoje, užsisako sau serverius, kad galėtų savarankiškai plėsti savo veiklą, ir patys susimoka už tokias paslaugas!
Tiesa, kol kas dar nesame pasiekę stadijos, kai DI galėtų savarankiškai kurti ir tobulinti programas (automatizuoti procesus, kurti aplikacijas) be žmogiškojo įsikišimo. Tačiau, atsižvelgiant į „o3“ modelio progresą, akivaizdu, kad ši riba bus peržengta jau netolimoje ateityje. Įsivaizduokite, kaip greitai tada pasikeis pasaulis.
DI agentai buriasi į komandas
Modeliai, kaip LangGraph, leidža kurti specializuotų DI agentų komandas ir departamentus, kuriuose DI agentai atlieka skirtingas roles (nuo „darbuotojų“ iki „vadovų“), taigi koordinuotai siekia bendro tikslo.
Kas šią koncepciją daro revoliucine?
Skirtingai nuo žmogiškųjų komandų, kurios vieną grįžtamojo ryšio ir iteracijos ciklą gali atlikti per kelias dienas, DI agentai per tą patį laiką geba peržiūrėti, derinti ir tobulinti rezultatus tūkstančius kartų, kol galiausiai pasiekia norimą rezultatą.
Robotų mokymo lygis – revoliucinis
Šiemet matysime proveržį ir robotikoje, taigi DI po truputį vis daugiau sąveikaus su realiu fiziniu pasauliu.
Viena didžiausių naujovių robotikos srityje yra robotų mokymas virtualiuose pasauliuose (Sim2Real). Pavyzdžiui, „Genesis“ 4D fizikos variklis leidžia pagreitinti robotų mokymo procesą 430 tūkstančių kartų (palyginus su realiu laiku), o Nvidia „GR00T“ sistemos – sintetiškai padauginti duomenų rinkinius robotų mokymams milijoną kartų.
Visa tai leidžia robotams mokytis judėti ir reaguoti į skirtingas situacijas virtualiuose pasauliuose. Tada tereikia į roboto kūną įrašyti programą ir viskas – robotas paruoštas įsilieti į realybę.
Dešimtys kompanijų visame pasaulyje investuoja milijardus į robotų kūrimą. Pavyzdžiui, „Agility Robotics“ robotas „Digit“ jau dirba „Amazon“ sandėliuose, o „Figure“ robotas testuojamas BMW gamyklose.
Kinijos kompanijos ypatingai stebina savo pasiekimais – žiūrėdami „Unitree B2-W“ roboto vaizdo įrašus „YouTube“ galite pamatyti, kaip jie keičia įsivaizdavimą apie tai, ką gali atlikti robotai.
Pridėkime proveržius IoT (daiktų internetas), specializuotų lustų, jutiklių, DI regos, klausos, bei kalbėjimo srityse ir regime „tobulą audrą“, kai DI ir robotikos sintezė tampa neišvengiama darbo rinkos ir kasdienio gyvenimo dalimi.
Vertingiausios pasaulio kompanijos „Nvidia“ robotikos viceprezidentas Deepu Talla drąsiai prognozuoja, kad robotika netrukus sulauks savo „ChatGPT momento“ – lūžio, po kurio robotai taps natūraliais pagalbininkais kiekviename žmonių gyvenimo aspekte.
Skaičiavimo pajėgumai – įspūdingi
Nepaisant daugelį metų skambėjusių perspėjimų, kad Moore’o dėsnio galiojimas greitai baigsis, specializuoti dirbtinio intelekto lustai, tokie kaip NVIDIA GPU, Google TPU ir kitų tipų architektūros (pvz., NPU ar VPU), toliau tobulėja.
Tuo metu tokios kompanijos kaip Groq ir Cerebras plečia ribas dirbtinio intelekto apdorojimo programinės įrangos srityje. Pavyzdžiui, Cerebras algoritmai leidžia DI modeliams sugeneruoti 1650 žodžių per sekundę – 72 kartus greičiau nei tradicinės GPU architektūros pasiekiami 23 žodžiai per sekundę. Tai daro DI efektyvesnį, taupant energiją ir kompiuterių resursus.
Nors kvantiniai kompiuteriai vis dar atrodo tolima realybė, šioje srityje taip pat matomi įspūdingi proveržiai. Pavyzdžiui, Google DeepMind kvantinis kompiuteris „Willow“ neseniai per penkias minutes atliko skaičiavimo testą, ties kuriuo greičiausi superkompiuteriai užtruktų 10 septilijonų metų.
Kaip mes galime pasiruošti?
Atsižvelgiant į (a) aukščiau paminėtus technologinius proveržius bei tai, kad (b) milžiniški pinigai bei žmogiškojo kapitalo resursai yra skiriami DI vystymui visame pasaulyje ir kad (c) nauji DI modeliai ir infrastruktūra nepaliaujamai daužo visas pesimistines prognozes į šipulius, eksponentinio augimo pasaulis darosi realesnis kiekvienais metais, o tai reiškia sunkiai įsivaizduojamus ne tik technologinius, bet ir ekonominius, politinius, socialinius, geopolitinius pokyčius.
Ar Lietuva tam pasiruošusi? Ar mes imamės veiksmų Lietuvą kuo geriau parengti gyventi naujoje realybėje?
Ar mūsų verslas, visuomenė, švietimo sistema pasiruošusi? Atsakymas vienareikšmiškas – ne. Eksponentinis augimas, kaip ir Covid pandemijos atveju, gali ir vėl mus užklupti netikėtai.
Dėl šios priežasties visuomeniniu pagrindu imuosi iniciatyvos steigti „Lietuvos dirbtinio intelekto tarybą“, kurios tikslas vienyti įvairių sričių ekspertus ir intelektualus siekiant padėti Lietuvai kuo geriau pasiruošti eksponentiniam DI pasauliui, kuris, atrodo, vis labiau neišvengiamas ir ateisiantis greičiau nei tikėtasi.
2025-ieji gali būti paskutiniai „normalūs“ metai žmonijos istorijoje, taigi laiko neturime labai daug.
